AIOT - (혼공머신) 도미, 빙어 분류 예제

혼공머신 2장에서 k-최근접 이웃 알고리즘을 통해 도미와 빙어 분류 알고리즘을 만들었는데요,

길이 : 25, 무게 : 150인 도미 데이터를 빙어로 분류하는 오류를 해결하는 방법입니다.

 

데이터 전처리에 대한 내용이라고 보시면 됩니다.

 

# 데이터 링크 http://bit.ly/bream_smelt
# 파이썬 리스트 데이터
fish_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, 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]
fish_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, 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]

# 넘파이로 데이터 준비하기
import numpy as np

# 넘파이 column_stack() 함수로 파이썬 리스트 연결
fish_data = np.column_stack((fish_length, fish_weight))
# 넘파이 ones(), zeros() 함수로 타겟 배열 생성
fish_target = np.concatenate((np.ones(35), np.zeros(14)))

# 사이킷런으로 훈련집합과 테스트집합 나누기
# train_test_split 함수로 알맞게 나눌 수 있음
from sklearn.model_selection import train_test_split

# random_state로 랜덤 시드 지정 가능
# stratify 매개변수에 타겟 데이터를 전달하면 클래스 비율에 맞게 나눔
train_input, test_input, train_target, test_target = train_test_split(
    fish_data, fish_target, stratify=fish_target, random_state=42)

# k-최근접 이웃 알고리즘으로 훈련
from sklearn.neighbors import KNeighborsClassifier
kn = KNeighborsClassifier()
kn.fit(train_input, train_target)
kn.score(test_input, test_target)

# 수상한 도미 데이터
print(kn.predict([[25, 150]]))

# 산점도로 시각화
import matplotlib.pyplot as plt
plt.scatter(train_input[:,0], train_input[:,1])
plt.scatter(25, 150, marker='^')
plt.xlabel('length')
plt.ylabel('weight')
plt.show()

 

위 코드를 보시면 입력한 수상한 도미 데이터를 빙어로 분류하지만 산점도를 보면 분명히 도미 데이터에 더 가까운데요,

 

이는 x축과 y축의 범위가 다르기 때문에 육안으로 보는것과는 거리가 다를 수 있습니다.

따라서 데이터 전처리를 통해 특성값을 일정한 기준으로 맞춰주겠습니다.

 

# 넘파이의 mean(), std()함수로 평균과 표준편차 구하기
mean = np.mean(train_input, axis=0)
std = np.std(train_input, axis=0)

# 표준 점수 구하기
train_scaled = (train_input - mean) / std

# 수상한 도미 데이터도 변환해주기
new = ([25, 150] - mean) / std

# 재 훈련
kn.fit(train_scaled, train_target)
# 모델 평가
test_scaled = (test_input - mean) / std
kn.score(test_scaled, test_target)

# 가장 가까운 이웃 5개를 확인하는 산점도 시각화
distances, indexes = kn.kneighbors([new])
plt.scatter(train_scaled[:,0], train_scaled[:,1])
plt.scatter(new[0], new[1], marker='^')
plt.scatter(train_scaled[indexes,0], train_scaled[indexes,1], marker='D')
plt.xlabel('length')
plt.ylabel('weight')
plt.show()

이렇게 넘파이와 사이킷런을 활용해 데이터전처리를 하면 보다 정확하게 분류를 할 수 있습니다.