붓꽃 데이터 (iris.csv) 분석하기 / 가우시안 나이브베이즈

 

 

 

붓꽃데이터 (iris.csv) 설명

SepalLength : 꽃받침의 길이

SepalWidth : 꽃받침의 폭

PetalLength : 꽃잎의 길이

PetalWidth : 꽃잎의 폭

Name : 붓꽃의 종류

• Iris-setosa
• Iris-versicolor
• Iris-virginica

 

---

 

1. R + kNN

 

# 데이터 불러오기 iris <- read.csv("C:/data/iris.csv", header=T, stringsAsFactors=F)
# 데이터 구조 확인 str(iris)
# 데이터셋 나누기 # training set(67%): test set(33%) # set.seed() : 난수값 고정하기 set.seed(1234) iris_sample <- sample(2,NROW(iris),replace=T,prob=c(0.67,0.33)) prop.table(table(iris_sample)) iris_training <- iris[iris_sample==1,1:4] iris_training_label <- iris[iris_sample==1,5]   iris_test <- iris[iris_sample==2,1:4] iris_test_label <- iris[iris_sample==2,5]
# 훈련 / 예측 library(class) iris_model <- knn(iris_training,iris_test,iris_training_label,k=3) iris_model
# 비교로 정확도 분석 library(gmodels) CrossTable(x=iris_test_label,y=iris_model,            prop.chisq = F)
# 모델에 새로운 데이터 넣어보기 iris_test <- data.frame(SepalLength=c(2.0,6.7),                         SepalWidth=c(7.0,3.1),                         PetalLength=c(1.0,4.4),                         PetalWidth=c(0.1,1.4)) iris_model <- knn(iris_training,iris_test,iris_training_label,k=3) iris_model

 

---

 

2. 파이썬 + 가우시안 나이브베이즈

 

가우시안 나이브베이즈

• 컬럼들의 값들이 정규분포(가우시안 분포)돼 있다는 가정하에 조건부 확률을 계산하며, 연속적인 성질이 있는 데이터를 분류하는데 적합하다.

 

# 필요한 라이브러리 불러오기 import pandas as pd from sklearn.model_selection import train_test_split from sklearn.naive_bayes import GaussianNB
# 데이터 불러오기 / 데이터 확인 df = pd.read_csv("C:/data/iris.csv") df.info() df.head()
# 빈도수 체크 df.Name.value_counts()
# Iris-setosa 분포 그림으로 그리기 setosa_df = df[df.Name == 'Iris-setosa'] ax = setosa_df["SepalLength"].plot(kind='hist') setosa_df["SepalLength"].plot(kind='kde', ax=ax, secondary_y=True, figsize=(8,4))
# 데이터 분리 X_train,X_test,Y_train,Y_test = train_test_split(df.iloc[:,0:4],df['Name'],test_size=0.2)
# 인스턴스 만들기 model = GaussianNB()
# 훈련하기 model.fit(X_train,Y_train)
# 예측하기 predict = model.predict(X_test)
# 혼동행렬 만들기 from sklearn import metrics print(metrics.classification_report(Y_test,predict))
# 새로운 데이터 예측 iris_test = pd.DataFrame({'SepalLength':[2.0,6.7],                         'SepalWidth':[7.0,3.1],                         'PetalLength':[1.0,4.4],                         'PetalWidth':[0.1,1.4]}) predict = model.predict(iris_test) predict
# 하나의 데이터만 넣고 싶을때(하나의 행, 모든 열) import numpy as np model.predict(np.array([2.0,7.0,1.0,0.1]).reshape(1,-1)) # reshape(1,4) # -1:모든것 model.predict(np.array(iris_test.iloc[1,]).reshape(1,-1))

 

---

 

3. 파이썬 + kNN

 

# 필요한 라이브러리 불러오기 import pandas as pd from collections import Counter from sklearn.model_selection import train_test_split from sklearn.neighbors import KNeighborsClassifier from sklearn.metrics import accuracy_score, classification_report
# 데이터 불러오기 / 구조 확인 iris = pd.read_csv("C:/data/iris.csv") str(iris)
# 데이터셋 분리하기 X=iris.iloc[:,:4] Y=iris.iloc[:,4] X_train,X_test,Y_train,Y_test = train_test_split(X,Y,test_size=0.2)
# kNN 분류 clf = KNeighborsClassifier(n_neighbors=21)
# 학습 clf.fit(X_train,Y_train)
# 예측 clf.predict(X_test)
# 정확도 분석 clf.score(X_test,Y_test) accuracy_score(Y_test,clf.predict(X_test))
# crosstab 보기 pd.crosstab(Y_test,clf.predict(X_test))
# 리포트 보기 print(classification_report(Y_test,clf.predict(X_test)))
# 새로운 데이터 넣고 예측 clf.predict(np.array([6.9,3.1,5.1,2.3]).reshape(-1,4)) clf.predict(np.array([5.1,3.5,1.4,0.2]).reshape(-1,4))[0]