인공지능이란?
머신러닝이란?
딥러닝이란?
도미와 빙어 데이터를 준비하고, 산점도로 시각화하기
# 도미 데이터 준비하기 bream_length = 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] # 도미의 길이와 무게 산점도로 표현하기 import matplotlib.pyplot as plt #맷플롯립 라이브러리가 필요하다 plt.scatter(bream_length, bream_weight) #첫 번째 인수는 x, 두 번째 인수는 y에 할당 plt.xlabel('length') #축 이름 설정하기, = 이 아니라 괄호 안에 넣는 것 조심! plt.ylabel('weight') plt.show() #그래프 띄우기 # 이번에는 빙어 데이터를 준비하여, 도미와 빙어를 한 번에 산점도로 나타낼 수 있다. 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] # 도미와 빙어 한 번에 산점도로 표현하기 plt.scatter(bream_length, bream_weight) plt.scatter(smelt_length, smelt_weight) plt.xlabel('length') plt.ylabel('weight') plt.show() #결과: 선형성을 띈다
K-최근접 이웃 머신러닝 모델 구축하기
# 머신러닝을 적용하기 위해 도미와 빙어의 데이터를 하나로 합치기 length = bream_length + smelt_length weight = bream_weight + smelt_weight # 사이킷런 라이브러리를 적용하기 위해 2차원 리스트로 만들기 # 사이킷런에서는 대부분 2차원의 리스트를 사용한다 # zip 함수와 리스트 반복 구문을 사용한다 fish_data = [[l,w] for l, w in zip(length, weight)] # length, weight 리스트에서 하나씩 꺼내는 것을 반복, 리스트 컴프리헨션 # [l,w]가 하나의 원소로 구성된 리스트가 만들어짐 # 정답 데이터 준비하기(도미=1, 빙어=0) fish_target = [1]*35 + [0]*14 # K-최근접이웃 알고리즘 로드하기 from sklearn.neighbors import KNeighborsClassifier kn = KNeighborsClassifier() #객체 만들기 # 모델 훈련시키기 kn.fit(fish_data, fish_target) kn.score(fish_data, fish_target) #정확도 평가 kn.predict([[30,600]]) #예측하기 # 참고 데이터를 49개로 한 kn49 모델 kn49 = KNeighborsClassifier(n_neighbors=49)