[인프런 - 파이썬 머신러닝 완벽 가이드] iris 품종 예측하기

앞으로 인프런에 올라와있는 권철민님의 파이썬 머신러닝 완벽 가이드를 수강하며 

공부한 내용 및 코드를 정리해 나아갈 것이다.

 

iris 품종 예측하기

 

# 필요한 라이브러리 import

from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
import pandas as pd


# 데이터 세트 로드

iris = load_iris()

#feature 데이터
iris_data = iris.data

# 레이블(결정값)데이터
iris_label = iris.target

print("iris target 값 : " , iris.target)
print("iris target 명 : " , iris.target_names)

# DataFrame으로 변환
iris_df = pd.DataFrame(data=iris_data , columns=iris.feature_names)
iris_df["label"] = iris.target
iris_df.head(3)

 

sklearn의 iris데이터를 불러와

feature(속성) 데이터와 label(타켓,클래스)데이터로 나누어

iris_df라는 DataFrame을 생성한다.

 

 

 

# 학습데이터와 데스트 데이터 세트로 분리
# x feature y target
X_train , X_test , y_train , y_test = train_test_split(iris_data, iris_label ,
                                                        test_size=0.2 , random_state=11)

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


# 학습 수행
dt_clf.fit(X_train, y_train)


# 학습이 완료된 DecisionTreeClassifier 객체에서 test dataset으로 예측 수행
pred = dt_clf.predict(X_test)


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

train_test_split을 사용해 학습features , 테스트features ,  학습 class, 테스트 class를 생성

 

test_size : 전체 dataset에서 test dataset의 크기를 설정한다.

shuffle : default = True 전체 dataset에서 train dataset과 test dataset으로 분리 하기전에 데이터를 섞어준다.

 

dt_clf 라는 DecisionTreeClassifier객체를 생성해주고

fit()을통해 학습을 수행 predict()로 예측을 수행한다.