search

yangwonsuck / PROJECT_CODE

0 stars 0 forks source link

피마 인디언 당뇨병 예측-중급과정 #3

Open yangwonsuck opened 3 years ago

yangwonsuck commented 3 years ago

import numpy as np import pandas as pd import matplotlib.pyplot as plt %matplotlib inline

from sklearn.model_selection import train_test_split from sklearn.metrics import accuracy_score,precision_score,recall_score,roc_auc_score from sklearn.metrics import f1_score,confusion_matrix,precision_recall_curve,roc_curve from sklearn.preprocessing import StandardScaler from sklearn.linear_model import LogisticRegression

def get_clf_eval(y_test,pred=None,pred_proba=None): confusion=confusion_matrix(y_test,pred) accuracy=accuracy_score(y_test,pred) precision=precision_score(y_test,pred) recall=recall_score(y_test,pred) f1=f1_score(y_test,pred)

ROC-AUC 추가

roc_auc=roc_auc_score(y_test,pred_proba)
print('오차 행렬')
print(confusion)
#ROC-AUC print 추가
print('정확도:{0:.4f}, 정밀도: {1:.4f},재현율:{2:.4f},F1:{3:.4f},AUC:{4:.4f}'.format(accuracy,precision,recall,f1,roc_auc))

def precision_recall_curve_plot(y_test,pred_proba_c1):

threshold ndarray와 이 threshold에 따른 정밀도, 재현율 ndarray 추출.

precisions, recalls, thresholds=precision_recall_curve(y_test,pred_proba_c1)

# X축을 threshold값으로, Y축은 정밀도, 재현율 값으로 각각 Plot 수행. 정밀도는 점선으로 표시
plt.figure(figsize=(8,6))
threshold_boundary=thresholds.shape[0]
plt.plot(thresholds,precisions[0:threshold_boundary],linestyle='--',label='precision')
plt.plot(thresholds,recalls[0:threshold_boundary],label='recall')

#threshold 값 X축의 Scale을 0.1 단위로 변경
start, end = plt.xlim()
plt.xticks(np.round(np.arange(start,end,0.1),2))

#x축,y축 label과 legend,그리고 grid 설정
plt.xlabel('Threshold value');plt.ylabel('Precision and Recall value')
plt.legend();plt.grid()
plt.show()

diabetes_data=pd.read_csv('diabetes.csv')

print(diabetes_data['Outcome'].value_counts())

diabetes_data.head(3)

diabetes_data.info()

피처 데이터 세트 X, 레이블 데이터 세트 y를 추출

맨 끝이 Outcome 칼럼으로 레이블 값임. 칼럼 위치 -1을 이용해 추출

X=diabetes_data.iloc[:,:-1] y=diabetes_data.iloc[:,-1]

X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.2,random_state=156,stratify=y)

로지스틱 회귀로 학습, 예측 및 평가 수행

lr_clf=LogisticRegression()

lr_clf.fit(X_train,y_train)

pred=lr_clf.predict(X_test)

pred_proba=lr_clf.predict_proba(X_test)[:,-1]

get_clf_eval(y_test,pred,pred_proba)

pred_proba_c1=lr_clf.predict_proba(X_test)[:,1] precision_recall_curve_plot(y_test,pred_proba_c1)

diabetes_data.describe() plt.hist(diabetes_data['Glucose'],bins=10)

0값을 검사할 피처 명 리스트

zero_features=['Glucose','BloodPressure','SkinThickness','Insulin','BMI']

전체 데이터 건수

total_count=diabetes_data['Glucose'].count()

피처별로 반복하면서 데이터 값이 0인 데이터 건수를 추출하고, 퍼센트 계산

for feature in zero_features: zero_count=diabetes_data[diabetes_data[feature]==0][feature].count() print('{0} 0 건수는 {1}, 퍼센트는 {2:.2f} %'.format(feature,zero_count,100*zero_count/total_count))

zero_features 리스트 내부에 저장된 개별 피처들에 대해서 0값을 평균 값으로 대체

mean_zero_features=diabetes_data[zero_features].mean() diabetes_data[zero_features]=diabetes_data[zero_features].replace(0,mean_zero_features)

X=diabetes_data.iloc[:,:-1] y=diabetes_data.iloc[:,-1]

StandardScaler 클래스를 이용해 피처 데이터 세트에 일괄적으로 스케일링 적용

scaler=StandardScaler() X_scaled=scaler.fit_transform(X)

X_train,X_test,y_train,y_test=train_test_split(X_scaled,y,test_size=0.2,random_state=156,stratify=y)

로지스틱 회귀로 학습, 예측 및 평가 수행

lr_clf=LogisticRegression() lr_clf.fit(X_train,y_train) pred=lr_clf.predict(X_test) pred_proba=lr_clf.predict_proba(X_test)[:,1]

get_clf_eval(y_test,pred,pred_proba)

thresholds=[0.3,0.33,0.36,0.39,0.42,0.45,0.48,0.5] pred_proba=lr_clf.predict_proba(X_test)