[ML] 붓꽃 품종 분류 Story 2

 

 

 

 

2 데이터 적재

여기서 load_iris 에 괄호를 넣지 않으면 load_iris 라는 function 이 iris_dataset 이 되어버린다.

그렇기 때문에, 꼭 () 괄호를 넣어서 해당 데이터를 iris_dataset에 넣도록 하자

 

 

 

 

train_test_split 들어오는 인자

• test_size: 테스트 셋 구성의 비율을 나타냅니다. train_size의 옵션과 반대 관계에 있는 옵션 값이며, 주로 test_size를 지정해 줍니다. 0.2는 전체 데이터 셋의 20%를 test (validation) 셋으로 지정하겠다는 의미입니다. default 값은 0.25 입니다.
• shuffle: default=True 입니다. split을 해주기 이전에 섞을건지 여부입니다. 보통은 default 값으로 놔둡니다.
• stratify: default=None 입니다. classification을 다룰 때 매우 중요한 옵션값입니다. stratify 값을 target으로 지정해주면 각각의 class 비율(ratio)을 train / validation에 유지해 줍니다. (한 쪽에 쏠려서 분배되는 것을 방지합니다) 만약 이 옵션을 지정해 주지 않고 classification 문제를 다룬다면, 성능의 차이가 많이 날 수 있습니다.
• random_state: 세트를 섞을 때 해당 int 값을 보고 섞으며, 하이퍼 파라미터를 튜닝시 이 값을 고정해두고 튜닝해야 매번 데이터셋이 변경되는 것을 방지할 수 있습니다.

 

 

mglearn?

mglearn 과 matplotlib 은 가공한 데이터를 시각화 할 때 사용한다 .

• mglearn 은 저자가 교재에서 코드를 간략하게 표현하기 위해 제작한 이 교재 전용의 라이브러리이다.
• 랜덤한 데이터셋을 생성하거나 머신러닝 적용 결과를 보기좋게 표현하기 위한 함수들이 대부분이다.
• "pip install mglearn" 으로 설치할 수 있다. (아나콘다 프롬프트를 이용해야 한다.)

 

pip

PIP(Python Package Index)은 파이썬으로 작성된 패키지 소프트웨어를 설치 · 관리하는 패키지 관리 시스템이다. 

간단히 말해 파이썬에서 유용한 함수들을 모아둔 것을 모듈 또는 패키지라고 하며, 이를 쉽게 설치, 업데이트 및 제거를 하게 해주는 것이 바로 PIP인 것이다. 아두이노 ide의 라이브러리 관리 기능과 유사하다. 

 

사용법은 콘솔창에서 아래의 pip 명령어를 작성하면 된다. (비쥬얼 스튜디오 코드 콘솔창 기준)

가끔 pip 대신 pip2나 pip3라 적혀있는 것은 파이썬 버전에 따른 패키지 설치에 관한 명령어이다. 

기본적으로는 최신 버전 설치를 하기 떄문에 문제가 생기지 않는 한 pip만 써도 무방하다.

 

 

명령어	예
pip 업데이트	- python -m pip install --upgrade pip (윈도우) - pip install pip --upgrade (리눅스)
패키지 설치	pip install 패키지 이름
numpy 패키지 업데이트	pip install 패키지 이름 --upgrade
numpy 패키지 제거	pip uninstall 패키지 이름

 

느낌표 처리

! pip install 라이브러리

쥬피터노트북에서 ! 는 "! 이후에 나오는 내용들을 커맨드창에서 입력하는 것과 동일하게 처리해줘~ "

라는 의미로 사용할 수 있다.

 

 

산점도 함수(pd plotting scatter matrix)

pd.plotting.scatter_matrix(iris_dataframe, c = y_train, figsize=(15,15), marker='o',
                            hist_kwds={'bins' : 20}, s = 60, alpha = .8, cmap = mglearn.cm3)

marker

marker = 'o'	marker = 's'

 

 

alpha : 진하기 차이

0.8	0.1

s : 점의 굵기

60	10

hist_kwds

20 : 값이 작을수록 크게 표현	100 : 클수록 얇다(정확한 수치)

 

cmap

시각화 방법으로 종류는 다음과 같이 약 30개가 있다.

 

 

Reb1	cm2	cm3

 

X	X	X
datasets	discrete_scatter	make_blobs

 

X	X	X
plot_2d_separator	plot_agglomerative	plot_animal_tree

X	X	X
plot_cross_validation	plot_dbscan	plot_decomposition

 

결론 : x,y 값이 연속형이거나 범주형이거나, 타입에 따라 시각화 방법에 차이가 있음을 알 수 있다.