[혼공머신] 01. K-최근접 이웃 알고리즘을 이용하여 도미와 빙어 분류

생선 분류 문제

머신러닝은 기준을 찾을 뿐만 아니라 기준을 이용해 생선 종류 판별할 수 있음

머신러닝 사용해 도미(bream)와 빙어(smelt) 구분

 

도미(bream) 데이터 준비

도미의 특징을 길이와 무게로 표현 -> 특성

* 특성 : 데이터의 특징

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,    #길이
                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,    #무게
                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]

 

 

산점도 그리기

x, y축으로 이뤄진 좌표계에 두 변수(x, y)의 관계를 표현하는 방법

* matplotlib(맷플롯립) : 파이썬에서 과학계산용 그래프를 그리는 패키지

* scatter( ) : matplotblib 패키지를 임포터하고 산점도를 그리는 함수 

* import : 따로 만들어둔 파이썬 패키지(클래스와 함수의 묶음)을 사용하기 위해 불러오는 명령

            패키지를 임포트할 때 as 키워드로 패키지 이름 줄여서 쓰는 것 좋아함

 

* matplotlib.pyplot :  matplotlib이 MATLAB처럼 작동하도록 하는 함수 모음

* show( ) : 화면에 그래프 출력

import matplotlib.pyplot as plt  # matplotlib의 pyplot 함수를 plt로 줄여서 임포트
plt.scatter(bream_length,bream_weight)
plt.xlabel('length')  # x축 = 길이
plt.ylabel('weight')  # y축 = 무게
plt.show()

산점도 그래프가 일직선에 가까운 형태 : 선형적

 

 

빙어(smelt) 데이터 준비

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]

 

도미, 빙어 한 그래프로 그리기

*  2개의 산점도 한 그래프로 그리기 : scatter( )함수 연달아 사용

plt.scatter(bream_length, bream_weight)
plt.scatter(smelt_length, smelt_weight)
plt.xlabel('length')
plt.ylabel('weght')
plt.show()

주황색 : 빙어  / 파란색 : 도미

---

도미와 빙어 데이터 하나로 합치기

리스트 합치기 -> 그냥 더하면 됨

length = bream_length + smelt_length
weight = bream_weight + smelt_weight

 

length = 도미 35개 길이 + 빙어 14개 길이 = 도미, 빙어 길이 총 49개

weight = 도미 35개 무게 + 빙어 14개 무게 = 도미, 빙어 무게 총 49개

 

 

사이킷런 사용을 위해 각 특성의 리스트를 세로 방향으로 늘어뜨린 2차원 리스트 만들기

KNN알고리즘을 이용하기 위해 Scikit-learn 머신러닝 패키지 사용

Scikit-learn 패키지를 쓰려면 각 특성을 세로 방향으로 늘어뜨린 2차원 리스트를 만들어야 함

-> zip함수와 리스트 내포 구문 사용

 

* zip( ) : 두 그룹의 데이터를 서로 엮어줌

           나열된 리스트 각각에서 하나씩 원소를 꺼내 반환

* for( ) : 동일한 작업을 계속 반복

fish_data = [[l,w] for l,w in zip(length, weight)]

for문 zip( )함수로 length와 weight 리스트에서 원소를 하나씩 꺼내 l과 w에 할당

그러면 [ l, w]가 하나의 원소로 구성된 리스트로 만들어짐

 

정답 부여

곱셈 연산자를 사용 파이썬 리스트 반복

찾으려는 대상 : 1

그 외 : 0

fish_target = [1]*35 + [0]*14

도미에 1, 빙어에 0 할당

 

KNeighborsClassifier 임포트

* KNeighborsClassifier : 사이킷런 패키지의 K-최근접 이웃 알고리즘 구현 클래스

* 패키지나 모듈 전체를 임포트하지 않고 특정 클래스만 임포트하려면

   from 패키지(모듈) ~ import 클래스  구문 사용

from sklearn.neighbors import KNeighborsClassifier

 

임포트한 클래스의 객체 생성

kn = KNeighborsClassifier()

 

훈련

모델에 데이터를 전달하여 규칙을 학습하는 과정

* fit( ) : 주어진 데이터로 알고리즘 훈련

kn.fit(fish_data,fish_target)

 

평가

* score( ) : 모델을 평가, 0~1 사이 값 반환

kn.score(fish_data, fish_target)

1.0 은 100% 정확도

 

 

예측

길이 300 몸무게 600인 새로운 데이터 예측

* predict( ) : 새로운 데이터의 정답 예측

리스트의 리스트를 전달해야 함 -> 예측 값을 리스트로 2번 감싸자  -> .predict[ [예측값] ]

kn.predict([[30,600]])

반환 값 => array([1])

예측 -> 1

---

 

>> K-최근접 이웃 알고리즘

어떤 데이터에 대한 답을 구할 때 주위의 다른 데이터를 보고 다수를 차지하는 것을 정답으로 사용

새로운 데이터에 대해 예측할 때는 가장 가까운 직선거리에 어떤 데이터가 있는지 살펴봄

데이터가 아주 많은 경우에는 사용하기 어려움

데이터가 크기 때문에 메모리가 많이 필요하고 직선거리를 계산하는데 많은 시간 필요

 

* _fit_X 속성에 전달한 fish_data 가짐

print(kn._fit_X)

 

* _y 속성에 fish_target 가짐

print(kn._y)

 

K-최근접 이웃 알고리즘은 무언가 훈련되는 게 없는 셈

fit( ) 메서드에 전달한 데이터를 모두 저장하고 있다가 새로운 데이터가 등장하면 가장 가까운 데이터를 참고하여 구분

 

KNeighborsClassifier 클래스의 기본값 = 5

기준은 n_neighbors 매개변수로 변경 가능

 

# 참고 데이터를 49개로 한 모델

kn49 = KNeighborsClassifier(n_neighbors=49)

 

가장 가까운 49개 데이터 사용하는 k-최근접 이웃 모델에 fish_data를 적용하면 fish_data에 있는 모든 생선을 사용하여 예측하게 됨 => fish_data의 49개 중 35개가 도미, 14개가 빙어로, 도미가 다수를 차지함 => 어떤 데이터를 넣어도 무조건 도미로 예측

kn49.fit(fish_data, fish_target)
kn49.score(fish_data, fish_target)

결과값 => 0.714285714...

 

fish_data에 있는 생선 중 도미가 35개, 빙어가 14개 => kn49모델은 도미만 올바르게 맞춤 => 정확도 = 35/49 

print(35/49)

결과값 => 0.714285714...

score( ) 메서드와 같은 정확도 값 얻음

 

 

 

 

---

참고도서 : 혼자공부하는 머신러닝 + 딥러닝, 박해선, 한빛미디어, 2020년