나의 첫 머신러닝&데이터 다루기 (1)

👀1주차 220110 ~ 220116 공부기록

 

📍 본 포스팅은 <혼자 공부하는 머신러닝+딥러닝> 책을 바탕으로 작성함을 알립니다.

---

K-NN 알고리즘 실습 (1월과 7월의 평균기온과 일강수량)

 

 Ch.01-3. 마켓과 머신러닝에서 다룬 K-최근접 이웃 알고리즘(K-Nearest Neighbors)을 바탕으로 기온과 강수량을 예측하는 K-NN 알고리즘 실습을 진행.

 

* K-NN 알고리즘은 가장 가까운 5개의 데이터를 보고 다수결의 원칙에 따라 데이터를 예측 (클래스의 기본값이 5임)

(단점은 데이터가 많은 경우 사용하기 어렵다. 데이터가 많으면 메모리가 많이 필요하고 직선거리를 계산하는 데도 많은 시간이 필요하기 때문이다.)

2021년 서울의 1월(겨울)과 7월(여름)의 평균기온과 일강수량으로 계절을 예측하도록 데이터 입력

(기상 데이터의 출처는 기상청 날씨누리(https://www.weather.go.kr/w/)이다.)

---

💦 2021년 1월과 7월의 기상 데이터를 입력하고 맷플롯립을 이용하여 산점도로 나타내기

---

💦 1월과 12월의 기상 데이터 산점도를 한 그래프에 나타내기

일강수량은 큰 차이가 없지만 평균온도에서 큰 차이가 나서 예측 가능할 것 같음.

💡point

* 맷플롯립 matplotlib - 과학계산용 그래프를 그리는 대표적인 패키지 - scatter() : 산점도를 그리는 맷플롯립 함수 * import 따로 만들어준 파이썬 패키지(함수 묶음)를 사용하기 위해 불러오는 명령

---

💦 사이킷런 사용을 위한 2차원 리스트 만들기와 정답 데이터 만들기

zip() 함수가 리스트에서 원소를 꺼내어 l과 w에 넣는 과정을 for반복문을 통해 반복

정답 데이터에서 여름은 1로 놓고 겨울을 0으로 놓았다.

💡point

* 사이킷런 scikit-learn - 머신러닝 패키지 - 사이킷런 패키지를 이용하기 위해서는 2차원 리스트를 만들어야 한다. * zip() 함수 나열된 리스트 각각에서 하나씩 원소를 꺼내 반환한다.

---

💦 KNeighborsClassifier임포트&객체 생성, 알고리즘을 훈련&정확도 확인

socre () 메서드가 1.0이 나왔으므로 정확도가 100임을 알 수 있음.

클래스를 임포트 한 후, 클래스의 객체를 생성. 클래스 객체를 kn으로 두고 fit () 메서드로 훈련. (모델에 데이터를 전달)

제대로 훈련이 되었는지 확인하기 위해 score () 메서드로 확인

💡point

* KNeighborsClassifier - K-NN 알고리즘을 구현한 클래스 * fit () 메서드 - 사이킷런 모델을 훈련할 때 사용하는 메서드 - 처음 두 매개변수로 훈련에 사용할 특성과 정답 데이터를 전달 * score () 메서드 - 훈련된 사이킷런 모델의 성능을 예측 - predict() 메서드로 예측을 수행 -> 분류 모델일 경우 정답과 비교 -> 올바르게 예측한 개수의 비율을 반환

---

💦새로운 데이터의 정답을 예측

나름 정확하게 예측을 하는 것 같다.

---

K-NN 알고리즘을 사용하여 책에 있는 코드를 그대로 따라하는 것보다는 다른 데이터를 찾아서 한 번 실습을 해보았다.

데이터를 하나하나 다 입력을 해야되는 게 가장 불편했다. 그리고 일강수량이 1월과 7월의 큰 차이가 없어서 제대로 예측 못하면 어떡하나 했는데 나름 근접하게 예측을 해서 다행이다.