[파이썬 머신러닝 완벽 가이드 정리] 2. 사이킷런으로 시작하는 머신러닝 - #1 붓꽃 품종 예측

In [1]:

import sklearn
print(sklearn.__version__)

0.23.2

In [2]:

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

데이터 세트 로딩¶

In [5]:

import pandas as pd

#붓꽃 데이터 세트 로딩
iris = load_iris()
#iris.data는 iris데이터 세트에서 피쳐만으로된 데이터를 numpy로 가지고 있음.
iris_data = iris.data
#iris.target은 붓꽃 데이터 세트에서 결정값(레이블)을 numpy로 가지고 있음.
iris_label = iris.target
print('iris target값 : ', iris_label)
print('iris target명 : ', iris.target_names)

iris_df = pd.DataFrame(data = iris_data, columns=iris.feature_names) # 붓꽃 데이터 세트 자세하기 보기위해 DataFrame으로 변환
iris_df['label'] = iris.target #label이라는 컬럼 추가
iris_df.head(3)

iris target값 :  [0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2
 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
 2 2]
iris target명 :  ['setosa' 'versicolor' 'virginica']

Out[5]:

	sepal length (cm)	sepal width (cm)	petal length (cm)	petal width (cm)	label
0	5.1	3.5	1.4	0.2	0
1	4.9	3.0	1.4	0.2	0
2	4.7	3.2	1.3	0.2	0

In [6]:

X_train, X_test, y_train, y_test = train_test_split(iris_data, iris_label, test_size=0.2, random_state=11) # 학습데이터와 테스트데이터 분할하기

학습 데이터 세트로 학습 수행¶

In [8]:

# DecisionTreeClassifier 객체 생성
dt_clf = DecisionTreeClassifier(random_state=11)

# 학습 수행
dt_clf.fit(X_train, y_train)

Out[8]:

DecisionTreeClassifier(random_state=11)

테스트 데이터 세트로 예측 수행¶

In [9]:

pred = dt_clf.predict(X_test) #feature test set

In [10]:

#예측값을 반환해줌
pred

Out[10]:

array([2, 2, 1, 1, 2, 0, 1, 0, 0, 1, 1, 1, 1, 2, 2, 0, 2, 1, 2, 2, 1, 0,
       0, 1, 0, 0, 2, 1, 0, 1])

예측 정확도 평가¶

In [12]:

from sklearn.metrics import accuracy_score
print('예측 정확도: {0:.4f}'.format(accuracy_score(y_test,pred)))

예측 정확도: 0.9333