#14サイキレン氏によると、最初の機械はapp-予測ペンの品種を学ぶ
コースランニング
機械学習用語の整理
アドバイザラーニング-分類
ペンデータ分類予測プロセス
# 사이킷런 버전 확인
import sklearn
print(sklearn.__version__)
# 필요한 모듈 로딩
from sklearn.datasets import load_iris # iris 내장 데이터 셋을 불러옴
from sklearn.tree import DecisionTreeClassifier # 결정트리 클래스타입
from sklearn.model_selection import train_test_split # 학습데이터와 테스트 데이터를 분리하는.
import pandas as pd
# 붓꽃 데이터 세트를 로딩합니다.
iris = load_iris()
# iris.data는 Iris 데이터 세트에서 피처(feature)만으로 된 데이터를 numpy로 가지고 있습니다.
iris_data = iris.data
# iris.target은 붓꽃 데이터 세트에서 레이블(결정 값) 데이터를 numpy로 가지고 있습니다.
iris_label = iris.target
print('iris target값:', iris_label)
print('iris target명:', iris.target_names)
# 붓꽃 데이터 세트를 자세히 보기 위해 DataFrame으로 변환합니다.
iris_df = pd.DataFrame(data=iris_data, columns=iris.feature_names)
iris_df['label'] = iris.target
iris_df.head(3)
# 학습데이터와 테스트데이터로 분리
X_train, X_test, y_train, y_test = train_test_split(iris_data, iris_label,
test_size=0.2, random_state=11)
# DecisionTreeClassifier 객체 생성
dt_clf = DecisionTreeClassifier(random_state=11)
# 학습 수행
dt_clf.fit(X_train, y_train)
# 학습이 완료된 DecisionTreeClassifier 객체에서 테스트 데이터 세트로 예측 수행.
pred = dt_clf.predict(X_test)
pred
from sklearn.metrics import accuracy_score
print('예측 정확도: {0:.4f}'.format(accuracy_score(y_test,pred)))
Reference
この問題について(#14サイキレン氏によると、最初の機械はapp-予測ペンの品種を学ぶ), 我々は、より多くの情報をここで見つけました https://velog.io/@soogyeong0726/14-사이킷런-소개-첫번째-머신러닝-app-붓꽃-품종-예측テキストは自由に共有またはコピーできます。ただし、このドキュメントのURLは参考URLとして残しておいてください。
Collection and Share based on the CC Protocol