[ML] 01-3 마켓과 머신러닝

혼자 공부하는 머신러닝+딥러닝 책을 바탕으로 공부한 내용입니다.

 

CH1 나의 첫 머신러닝

도미와 빙어 분류

 

---

 

가장 간단한 머신러닝 알고리즘 중 하나인 k-최근접 이웃을 사용하여 2개의 종류를 분류하는 머신러닝 모델을 훈련해보자

 

 

▶ 도미 데이터 준비하기

http://bit.ly/bream_list (도미 데이터 출처) _ 35마리의 도미 데이터셋(길이, 무게) 준비

# 35마리의 도미
bream_length = [25.4, 26.3, 26.5, 29.0, 29.0, 29.7, 29.7, 30.0, 30.0, 30.7, 31.0, 31.0, 
                31.5, 32.0, 32.0, 32.0, 33.0, 33.0, 33.5, 33.5, 34.0, 34.0, 34.5, 35.0, 
                35.0, 35.0, 35.0, 36.0, 36.0, 37.0, 38.5, 38.5, 39.5, 41.0, 41.0]
bream_weight = [242.0, 290.0, 340.0, 363.0, 430.0, 450.0, 500.0, 390.0, 450.0, 500.0, 475.0, 500.0, 
                500.0, 340.0, 600.0, 600.0, 700.0, 700.0, 610.0, 650.0, 575.0, 685.0, 620.0, 680.0, 
                700.0, 725.0, 720.0, 714.0, 850.0, 1000.0, 920.0, 955.0, 925.0, 975.0, 950.0]

 

두 특성을 파악하기 위해 시각화해서 보자

# 도미의 특성(길이, 무게)를 시각화해서 보기
import matplotlib.pyplot as plt

plt.scatter(bream_length, bream_weight)
plt.xlabel('length')
plt.ylabel('weight')
plt.show()

• 선형적이다
• 도미의 길이가 길수록 무게가 많이 나간다

 

 

▶ 빙어 데이터 준비하기

http://bit.ly/smelt_list (빙어 데이터 출처) _ 14마리의 빙어 데이터셋(길이, 무게) 준비

smelt_length = [9.8, 10.5, 10.6, 11.0, 11.2, 11.3, 11.8, 11.8, 12.0, 12.2, 12.4, 13.0, 14.3, 15.0]
smelt_weight = [6.7, 7.5, 7.0, 9.7, 9.8, 8.7, 10.0, 9.9, 9.8, 12.2, 13.4, 12.2, 19.7, 19.9]

plt.scatter(smelt_length, smelt_weight)
plt.xlabel('length')
plt.ylabel('weight')
plt.show()

• 도미와 마찬가지로 빙어도 길이가 길수록 무게가 많이 나간다

 

 

이번에는 도미와 빙어의 산점도를 한번에 파악해보자

• matplotlib에서 2개의 산점도를 한 그래프로 그리고 싶을 때는 scatter()함수를 연달아 사용하면 된다!

plt.scatter(bream_length, bream_weight)
plt.scatter(smelt_length, smelt_weight)
plt.xlabel('length')
plt.ylabel('weight')
plt.show()

• 빙어는 도미에 비해 길이, 무게 모두 작다

 

 

▶ 첫번째 머신러닝 프로그램

이제 두 데이터를 스스로 구분하기 위한 머신러닝 프로그램을 만들어보자

K-최근접 이웃 알고리즘을 사용해 도미와 빙어 데이터를 구분해보자

 

 

먼저, 도미와 빙어의 데이터를 하나의 데이터로 만들어주기

# 도미, 빙어 데이터 합치기
length = bream_length + smelt_length
weight = bream_weight + smelt_weight

 

그 후 사이킷런을 사용하기 위해 두 데이터를 2차원 리스트로 만들어주자

# 2차원 리스트로 만들기
fish_data = [[l, w] for l, w in zip(length, weight)]
print(fish_data)

• 길이, 무게에 대해 리스트로 잘 만들어진 것이 확인된다.

 

 

이번에는 정답 데이터를 만들어주자 (도미는 1, 빙어는 0)

# 정답 데이터 만들기 (도미는 1, 빙어는 0)
fish_target = [1] * 35 + [0] * 14
print(fish_target)

 

 

준비가 다 되었으니 이제 k-최근접 이웃 알고리즘을 사용해 모델 학습 후 정확도를 확인해보자

 

from sklearn.neighbors import KNeighborsClassifier
kn = KNeighborsClassifier()

# 모델 훈련
kn.fit(fish_data, fish_target)

# 정확도
kn.score(fish_data, fish_target)  # 1.0

• 정확도가 100%인걸보아 도미와 빙어를 완벽하게 분류했다고 볼 수 있다.
• train, test data를 따로 준비하지 않고 훈련한 데이터로 모델을 평가했기때문에 정확도가 100%인 것은 너무나도 당연하다. 다음 장에서 train data, test data를 구분해 모델을 훈련해보자

 

 

▶ n_neighbors

KNeighborsClassifier 클래스의 기본값은 5이다. 이는 n_neighbors 매개변수로 바꿀 수 있다.

kn49 = KNeighborsClassifier(n_neighbors=49)
kn49.fit(fish_data, fish_target)
kn49.score(fish_data, fish_target)  #0.7142857142857143

가장 가까운 데이터 49개를 사용하는 모델로 바꿨더니 정확도가 낮아진 것을 확인할 수 있다.

 

 

 

 

K-최근접 이웃 알고리즘이란?

1. 어떤 데이터에 대한 답을 구할 때 주위의 다른 데이터를 보고 다수를 차지하는 것을 정답으로 사용

2. 이 알고리즘을 위해 준비해야 할 것은 데이터를 모두 가지고 있는 것

3. 가장 가까운 직선거리에 어떤 데이터가 있는지 살피면 됨

4. 데이터가 아주 많은 경우 사용하기 어려움