[210809]싸이킷런을 활용한 간단한 머신러닝 모델 구현(Iris 데이터셋 이용)

싸이킷런이란?

• 가장 많이 사용되는 파이썬 머신러닝 라이브러리
• 간결하고 직관적(=파이썬스러움)인 API 제공
• 다양한 알고리즘 API 제공
• 검증된 라이브러리

 

싸이킷런을 이용한 머신러닝 구현

• 학습을 위한 데이터 준비
• 사용할 모델 객체 생성
• 모델 객체에 학습데이터 매핑 후 학습
• 테스트 데이터를 이용하여 모델의 성능 검증

 

Iris(붓꽃) 품종 분류 모델 만들기

• Petal(꽃잎)의 길이, 넓이
• Sepal(꽃받침)의 길이, 넓이

 

Decision Tree(의사 결정 트리)를 이용하여 Iris 품종 분류 모델 구현

• 모델 구현을 위한 라이브러리 import

from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split

• Iris 데이터셋 load 및 데이터 확인

import pandas as pd

iris = load_iris()

iris_data = iris.data	# 아이리스 특성들
iris_label = iris.target	# 정답 데이터 부분 (= 아이리스 품종)

print('iris target value: ',iris_label)
print('iris target name: ', iris.target_names)

df_iris = pd.DataFrame(data=iris_data, columns=iris.feature_names)
df_iris['label'] = iris.target	# 새로운 column 'label' 추가

• 데이터셋 분할(학습 / 테스트)

x_train, x_test, y_train, y_test = train_test_split(iris_data,
                                                    iris_label,
                                                    test_size=0.2,
                                                    random_state=11)

• Decision Tree 모델 객체 생성

dt_clf = DecisionTreeClassifier(random_state=11)

※ random_state를 정해주는 이유는 일정하게 나오게 하기 위해서

• Decision Tree 모델 객체 생성

dt_clf.fit(x_train, y_train)

• 테스트 데이터를 이용한 예측

pred = dt_clf.predict(x_test)

• Accuracy(정확도)를 통한 성능 평가

from sklearn.metrics import accuracy_score

print('predict accuracy: {}'.format(accuracy_score(y_test, pred)))

※ random_state를 고정했기 때문에 항상 일정하게 나옴