#!/usr/bin/env python
# coding: utf-8
# # 1장. 소개
# *아래 링크를 통해 이 노트북을 주피터 노트북 뷰어(nbviewer.org)로 보거나 구글 코랩(colab.research.google.com)에서 실행할 수 있습니다.*
#
#
# In[2]:
# 노트북이 코랩에서 실행 중인지 체크합니다.
import os
import sys
if 'google.colab' in sys.modules:
# 사이킷런 최신 버전을 설치합니다.
get_ipython().system('pip install -q --upgrade scikit-learn')
if not os.path.isdir('mglearn'):
# mglearn을 다운받고 압축을 풉니다.
get_ipython().system('wget -q -O mglearn.tar.gz https://bit.ly/mglearn-tar-gz')
get_ipython().system('tar -xzf mglearn.tar.gz')
# In[3]:
import sklearn
from preamble import *
# ## 1.1 왜 머신 러닝인가?
# ### 1.1.1 머신 러닝으로 풀 수 있는 문제
# ### 1.1.2 문제와 데이터를 이해하기
# ## 1.2 왜 파이썬인가?
# ## 1.3 scikit-learn
# ### 1.3.1 Scikit-learn 설치
# ## 1.4 필수 라이브러리와 도구들
# ### 1.4.1 주피터 노트북
# ### 1.4.2 NumPy
# In[4]:
import numpy as np
x = np.array([[1, 2, 3], [4, 5, 6]])
print("x:\n", x)
# ### 1.4.3 SciPy
# In[5]:
from scipy import sparse
# 대각선 원소는 1이고 나머지는 0인 2차원 NumPy 배열을 만듭니다.
eye = np.eye(4)
print("NumPy 배열:\n", eye)
# In[6]:
# NumPy 배열을 CSR 포맷의 SciPy 희박 행렬로 변환합니다.
# 0이 아닌 원소만 저장됩니다.
sparse_matrix = sparse.csr_matrix(eye)
print("\nSciPy의 CSR 행렬:\n", sparse_matrix)
# In[7]:
data = np.ones(4)
row_indices = np.arange(4)
col_indices = np.arange(4)
eye_coo = sparse.coo_matrix((data, (row_indices, col_indices)))
print("COO 표현:\n", eye_coo)
# ### 1.4.4 matplotlib
# In[8]:
import matplotlib.pyplot as plt
# -10에서 10까지 100개의 간격으로 나뉘어진 배열을 생성합니다.
x = np.linspace(-10, 10, 100)
# 사인 함수를 사용하여 y 배열을 생성합니다.
y = np.sin(x)
# plot 함수는 한 배열의 값을 다른 배열에 대응해서 선 그래프를 그립니다.
plt.plot(x, y, marker="x")
plt.show() # 책에는 없음
# ### 1.4.5 pandas
# In[9]:
import pandas as pd
# 회원 정보가 들어간 간단한 데이터셋을 생성합니다.
data = {'Name': ["John", "Anna", "Peter", "Linda"],
'Location' : ["New York", "Paris", "Berlin", "London"],
'Age' : [24, 13, 53, 33]
}
data_pandas = pd.DataFrame(data)
# 주피터 노트북은 Dataframe을 미려하게 출력해줍니다.
data_pandas
# In[10]:
# Age 열의 값이 30 이상인 모든 행을 선택합니다.
data_pandas[data_pandas.Age > 30]
# ### 1.4.6 mglearn
# ## 1.5 파이썬 2 vs. 파이썬 3
# ## 1.6 이 책에서 사용하는 소프트웨어 버전
# In[11]:
import sys
print("Python 버전:", sys.version)
import pandas as pd
print("pandas 버전:", pd.__version__)
import matplotlib
print("matplotlib 버전:", matplotlib.__version__)
import numpy as np
print("NumPy 버전:", np.__version__)
import scipy as sp
print("SciPy 버전:", sp.__version__)
import IPython
print("IPython 버전:", IPython.__version__)
import sklearn
print("scikit-learn 버전:", sklearn.__version__)
# ## 1.7 첫 번째 애플리케이션: 붓꽃의 품종 분류
# ### 1.7.1 데이터 적재
# In[12]:
from sklearn.datasets import load_iris
iris_dataset = load_iris()
# In[13]:
print("iris_dataset의 키:\n", iris_dataset.keys())
# In[14]:
print(iris_dataset['DESCR'][:193] + "\n...")
# In[15]:
print("타깃의 이름:", iris_dataset['target_names'])
# In[16]:
print("특성의 이름:\n", iris_dataset['feature_names'])
# In[17]:
print("data의 타입:", type(iris_dataset['data']))
# In[18]:
print("data의 크기:", iris_dataset['data'].shape)
# In[19]:
print("data의 처음 다섯 행:\n", iris_dataset['data'][:5])
# In[20]:
print("target의 타입:", type(iris_dataset['target']))
# In[21]:
print("target의 크기:", iris_dataset['target'].shape)
# In[22]:
print("타깃:\n", iris_dataset['target'])
# ### 1.7.2 성과 측정: 훈련 데이터와 테스트 데이터
# In[23]:
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(
iris_dataset['data'], iris_dataset['target'], random_state=0)
# In[24]:
print("X_train 크기:", X_train.shape)
print("y_train 크기:", y_train.shape)
# In[25]:
print("X_test 크기:", X_test.shape)
print("y_test 크기:", y_test.shape)
# ### 1.7.3 가장 먼저 할 일: 데이터 살펴보기
# In[26]:
# X_train 데이터를 사용해서 데이터프레임을 만듭니다.
# 열의 이름은 iris_dataset.feature_names에 있는 문자열을 사용합니다.
iris_dataframe = pd.DataFrame(X_train, columns=iris_dataset.feature_names)
# 데이터프레임을 사용해 y_train에 따라 색으로 구분된 산점도 행렬을 만듭니다.
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)
plt.show() # 책에는 없음
# ### 1.7.4 첫 번째 머신 러닝 모델: k-최근접 이웃 알고리즘
# In[27]:
from sklearn.neighbors import KNeighborsClassifier
knn = KNeighborsClassifier(n_neighbors=1)
# In[28]:
knn.fit(X_train, y_train)
# ### 1.7.5 예측하기
# In[29]:
X_new = np.array([[5, 2.9, 1, 0.2]])
print("X_new.shape:", X_new.shape)
# In[30]:
prediction = knn.predict(X_new)
print("예측:", prediction)
print("예측한 타깃의 이름:",
iris_dataset['target_names'][prediction])
# ### 1.7.6 모델 평가하기
# In[31]:
y_pred = knn.predict(X_test)
print("테스트 세트에 대한 예측값:\n", y_pred)
# In[32]:
print("테스트 세트의 정확도: {:.2f}".format(np.mean(y_pred == y_test)))
# In[33]:
print("테스트 세트의 정확도: {:.2f}".format(knn.score(X_test, y_test)))
# ## 1.8 요약
# In[34]:
X_train, X_test, y_train, y_test = train_test_split(
iris_dataset['data'], iris_dataset['target'], random_state=0)
knn = KNeighborsClassifier(n_neighbors=1)
knn.fit(X_train, y_train)
print("테스트 세트의 정확도: {:.2f}".format(knn.score(X_test, y_test)))