scikit-learn(사이킷 런) 활용하여 정답률 확인하기

데이터셋으로 제공되는 wine 데이터를 활용해 결과를 검증해보려고 합니다.

 

필요한 라이브러리 설치

import pandas as pd
from sklearn import svm, metrics
from sklearn.model_selection import train_test_split
from sklearn import datasets

 

wine 데이터셋 불러오기

wine = datasets.load_wine()
pd.DataFrame(wine)

 

---

검증 과정 진행

1) wine의 샘플 데이터를 data에, 정답 데이터를 target에 데이터 프레임으로 저장

data = pd.DataFrame(wine['data'])
target = pd.DataFrame(wine['target'])

 

2) data와 target을 train_data, test_data, train_label, test_label로 나누어 봅시다.

    (train에는 128 row, test에는 50 row씩 저장)

 

# train_test_split  사용할 때

train_data, test_data, train_label, test_label = train_test_split(
    data, target, test_size = 50)

 

# iloc 사용할 때 (판다스)

train_data = data.iloc[:128, ]
test_data = data.iloc[128:178, ]
train_label = target.iloc[:128, ]
train_label = target.iloc[128:178, ]

 

# iloc 사용할 때 (넘파이)

train_data = data.iloc[:128, ].values
test_data = data.iloc[128:178, ].values
train_label = target.iloc[:128, ].values
train_label = target.iloc[128:178, ].values

 

3) 나눈 데이터를 svm을 이용하여 정답률을 구해봅시다.

* svm(support vector machine) : 매개변수를 조정해서 요소들을 구분하는 선을 짓고, 이를 기반으로 패턴을 인식하는 방법

#모델 선택
clf = svm.SVC()
 
#학습하기
clf.fit(train_data, train_label)
 
#예측하기
predict = clf.predict(test_data)
 
#평가하기
# 몇개를 맞추었습니까?
ac_score = metrics.accuracy_score(test_label, predict)
cl_report = metrics.classification_report(test_label, predict)
print("정답률 =", ac_score)
print("리포트 =\n", cl_report)

 

 

결과값: