[pythonML] 데이터셋분리/학습/예측/평가 - 붓꽃 품종 예측

사이킷런(Scikit-learn)은 파이썬에서 사용할 수 있는 강력한 머신러닝 라이브러리입니다.

사이킷런은 다양한 머신러닝 알고리즘과 유틸리티 함수들을 제공하여 데이터 분석과 예측 모델링을 쉽게 할 수 있도록 도와줍니다.

 

분류(Classification)는 지도학습(Supervised Learning)의 한 종류로,

주어진 데이터를 미리 정의된 클래스 레이블 중 하나로 분류하는 문제를 말합니다.

이를 위해 분류 모델은 입력 데이터와 해당 데이터의 정답인 클래스 레이블 사이의 관계를 학습하여 새로운 데이터에 대한 클래스를 예측합니다.

---

붓꽃이란?

붓꽃은 세포핵을 둘러싼 꽃받침(sepal)과 꽃잎(petal)으로 구성되어 있으며, 이러한 특징을 기반으로 붓꽃의 품종을 식별할 수 있습니다.

붓꽃의 품종은 주로 다음과 같이 3가지로 분류됩니다:

1. Setosa (세토사): Setosa는 붓꽃 중에서 가장 작은 꽃잎과 꽃받침을 가지고 있습니다.
   꽃잎과 꽃받침이 비교적 짧고 뾰족한 모습을 갖고 있으며, 주로 흰색 또는 연한 분홍색을 띠고 있습니다.
   
   
2. Versicolor (버시컬러): Versicolor는 Setosa보다 크고 긴 꽃잎과 꽃받침을 가지고 있습니다.
   꽃잎의 색은 보통 연한 보라색이며, 중간 크기의 붓꽃입니다.
   
   
3. Virginica (버지니카): Virginica는 붓꽃 중에서 가장 크고 긴 꽃잎과 꽃받침을 가지고 있습니다.
   꽃잎의 색은 주로 짙은 보라색이며, 다른 품종들에 비해 상대적으로 더 큰 크기를 갖고 있습니다.

저희는 3가지 붓꽃 품종을 예측하는 분류 문제를 해결하고자 합니다.

 

붓꽃 데이터 분류 예측을 위한 과정

1. 데이터 준비: 분류 모델을 학습하기 위해 입력 데이터와 클래스 레이블을 준비

2. 데이터셋 분리 : 전체 데이터를 학습 / 테스트 데이터로 분리

3. 모델 선택 & 학습 : 적절한 모델을 선택 & 학습 데이터로부터 모델 학습

4. 모델 예측 : 학습된 모델을 이용해 테스트 데이터의 분류를 예측

5. 모델 평가 : 예측된 결괏값과 테스트 데이터의 실제 결괏값을 비교해 모델 성능 평가

---

붓꽃 품종 예측

1. 라이브러리 설치

필요한 라이브러리를 설치하기 위해서는 먼저 파이썬 패키지 관리자인 pip를 사용하여 설치해야 합니다.

아래의 명령을 터미널 또는 명령 프롬프트에 입력하여 필요한 라이브러리를 설치할 수 있습니다

pip install pandas
pip install scikit-learn

2. 라이브러리 불러오기

from sklearn.datasets import load_iris # 붓꽃 데이터 생성 라이브러리
from sklearn.model_selection import train_test_split # 데이터셋을 학습, 테스트, 예측 데이터로 분리하는 라이브러리
from sklearn.tree import DecisionTreeClassifier # 트리기반 ML 알고리즘(의사결정나무)을 불러오는 라이브러리
from sklearn.metrics import accuracy_score # 정확도 평가 라이브러리
import pandas as pd # pandas 라이브러리

3. 데이터 준비

붓꽃 데이터를 불러오고, 입력 데이터(X)와 클래스 레이블(y)을 변수에 저장해보겠습니다.

iris = load_iris() 
X = iris.data # 피처 데이터
y = iris.target # 레이블 데이터

1. iris = load_iris(): load_iris() 함수를 사용하여 scikit-learn 라이브러리에 내장되어 있는 붓꽃 데이터셋을 반환합니다.
2. X = iris.data: iris.data 는 붓꽃 데이터셋의 입력 데이터를 나타냅니다.
   이 데이터는 꽃의 꽃잎 길이, 꽃잎 너비, 꽃받침 길이, 꽃받침 너비의 4가지 특성(feature)로 이루어져 있습니다.
   X 변수에 입력 데이터를 저장합니다.
3. y = iris.target: iris.target은 붓꽃 데이터셋의 클래스 레이블을 나타냅니다.
   이 데이터는 꽃의 품종을 나타내는 정수 값으로 이루어져 있습니다.
   y 변수에 클래스 레이블을 저장합니다.
   
   코드를 실행하면 X 변수에는 입력 데이터가, y 변수에는 클래스 레이블이 저장되어 붓꽃 데이터셋이 준비된 상태가 됩니다. 이후 이 데이터를 활용하여 분류 모델을 학습하고 예측을 수행할 수 있습니다.

print("피처 데이터",X)

 

print("레이블 데이터",y)

4. 데이터셋 분리

데이터를 학습 데이터와 테스트 데이터로 나누어 보도록 하겠습니다.

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

해당 코드는 붓꽃 데이터를 80%의 학습 데이터와 20%의 테스트 데이터로 분리하는 과정을 나타냅니다.

random_state=42를 사용하여 동일한 분할 결과를 재현할 수 있습니다. 

 

train_test_split 함수는 데이터를 학습 데이터와 테스트 데이터로 나누기 위해 사용됩니다.

이 함수는 입력된 데이터를 무작위로 섞은 후, 지정한 비율에 따라 학습 데이터와 테스트 데이터로 분할합니다.

 

< train_test_split(X, y, test_size=0.2, random_state=42) 파라미터 >

• X: 특성 데이터 (꽃잎의 길이와 너비, 꽃받침의 길이와 너비)를 가진 2차원 배열
• y: 타깃 데이터 (품종)를 가진 1차원 배열
• test_size: 테스트 데이터의 비율을 나타내는 부동 소수점 수입니다.
  예를 들어, test_size=0.2는 데이터의 20%를 테스트 데이터로 사용하고 나머지 80%를 학습 데이터로 사용합니다.
• random_state: 데이터를 분리하기 위한 난수 발생기의 시드 값입니다.
  동일한 random_state 값이 주어지면, 동일한 분할 결과가 생성됩니다. 이를 통해 재현 가능한 결과를 얻을 수 있습니다.

train_test_split 함수는 4개의 반환값을 가집니다

 

< X_train, X_test, y_train, y_test >

• X_train: 학습 데이터의 특성 데이터
• X_test: 테스트 데이터의 특성 데이터
• y_train: 학습 데이터의 타깃 데이터
• y_test: 테스트 데이터의 타깃 데이터

# 데이터셋이 8:2의 비율로 잘 분리가 되었는지 확인하는 코드

print("X_train: ",X_train.shape)
print("X_test: ",X_test.shape)
print("y_train: ",y_train.shape)
print("y_test: ",y_test.shape)

> X_train:  (120, 4)
> X_test :  (30, 4)
> y_train:  (120,)
> y_test :  (30,)

5. 모델 선택 & 학습

Decision Tree 분류 모델을 생성하고 학습시켜보겠습니다.

model = DecisionTreeClassifier()
model.fit(X_train, y_train)

1. model = DecisionTreeClassifier(): DecisionTreeClassifier 클래스를 사용하여 Decision Tree 분류 모델을 생성합니다.
   DecisionTreeClassifier는 사이킷런에서 제공하는 Decision Tree 기반 분류 모델입니다.
   모델을 생성한 후에는 해당 모델을 변수 model에 할당합니다.
2. model.fit(X_train, y_train): fit 메서드를 호출하여 모델을 학습시킵니다. 
   학습 데이터인 X_train과 그에 해당하는 타깃 데이터인 y_train을 인자로 전달합니다.
   모델은 주어진 학습 데이터를 사용하여 패턴을 학습하고, 결정 경계를 만들어 특성과 타깃 간의 관계를 모델링합니다.

이를 통해 모델은 주어진 특성 데이터를 사용하여 품종을 예측할 수 있게 됩니다. 학습된 모델은 model 변수에 저장되어 있습니다.

6. 모델 예측

학습된 Decision Tree 모델을 사용하여 테스트 데이터에 대한 예측을 수행해보겠습니다.

y_pred = model.predict(X_test)
y_pred

> array([1, 0, 2, 1, 1, 0, 1, 2, 1, 1, 2, 0, 0, 0, 0, 1, 2, 1, 1, 2, 0, 2,
       0, 2, 2, 2, 2, 2, 0, 0])

 

predict 메서드를 호출하여 테스트 데이터 X_test에 대한 예측값을 계산합니다.

X_test는 모델이 처음보는 데이터로, 이 데이터의 특성을 바탕으로 모델이 예측을 수행합니다.

예측 결과는 y_pred 변수에 저장됩니다.

 

y_pred는 예측된 품종의 레이블로 구성된 1차원 배열입니다.

각 원소는 해당 테스트 데이터의 예측된 품종을 나타냅니다.

예를 들어, y_pred[0]는 첫 번째 테스트 데이터의 예측 결과를 나타냅니다.

 

이렇게 예측된 결과는 모델의 성능을 평가하거나, 새로운 데이터에 대한 예측을 수행하는 등 다양한 용도로 활용할 수 있습니다.

7. 모델 평가

모델의 예측 결과를 평가하기 위해 정확도(accuracy)를 계산하고 출력해 보겠습니다.

accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)

> Accuracy: 1.0

accuracy_score 함수를 사용하여 예측된 품종(y_pred)과 실제 품종(y_test)을 비교하여 정확도를 계산합니다.

정확도는 예측이 실제 값과 얼마나 일치하는지를 계산하여 측정합니다.

계산된 정확도는 accuracy 변수에 저장됩니다.

 

print 함수를 사용하여 계산된 정확도를 출력합니다.

이를 통해 모델의 성능을 확인할 수 있습니다. 정확도는 0과 1 사이의 값으로, 1에 가까울수록 예측의 정확도가 높음을 의미합니다.

이를 통해 모델이 얼마나 정확하게 품종을 예측하는지를 알 수 있습니다.

 

출력된 결과를 확인해 보니 정확도가 1이 출력되었습니다.

예측 결과의 정확도가 1로 출력되었다는 것은 모델이 테스트 데이터에 대해 100% 정확한 예측을 수행했다는 의미입니다.

즉, 모델이 테스트 데이터의 품종을 완벽하게 맞추었다고 볼 수 있습니다.

이는 매우 좋은 성능을 가진 모델이라고 할 수 있습니다.

---

모든 코드

from sklearn.datasets import load_iris # 붓꽃 데이터 생성 라이브러리
from sklearn.model_selection import train_test_split # 데이터셋을 학습, 테스트, 예측 데이터로 분리하는 라이브러리
from sklearn.tree import DecisionTreeClassifier # 트리기반 ML 알고리즘(의사결정나무)을 불러오는 라이브러리
from sklearn.metrics import accuracy_score # 정확도 평가 라이브러리
import pandas as pd # pandas 라이브러리

iris = load_iris() 
X = iris.data # 피처 데이터
y = iris.target # 레이블 데이터

print("피처 데이터",X)
print("레이블 데이터",y)

print("X_train: ",X_train.shape)
print("X_test: ",X_test.shape)
print("y_train: ",y_train.shape)
print("y_test: ",y_test.shape)

model = DecisionTreeClassifier()
model.fit(X_train, y_train)

y_pred = model.predict(X_test)
y_pred

accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)