for name, group in iris_by_class:
# print(name,len(group))
plt.scatter(group['petal_length'], group['petal_width'], label=name)
plt.legend()
plt.xlabel('petal_length')
plt.ylabel('petal_width')
plt.show()
# 데이터 세트를 points와 labels로 구분
X = iris.iloc[:, :-1].to_numpy(
) # points /// Class 를 제외한 모든 행 // .to_numpy() 꼭 해주기
y = iris.iloc[:, 4].to_numpy() # labels /// Class
# 학습/검증(train/test) 세트로 분리
X_train, X_test, y_train, y_test = train_test_split(
X, y, test_size=0.2) # Ctrl + Alt + 방향키 기능!
# Scaling
scaler = MyScaler() # 생성자 호출
scaler.fit(X_train) # 스케일링 하기 위한 평균과 표준 편차 계산
X_train = scaler.transform(X_train) # 데이터 변환 (스케일링 해주는 것)
X_test = scaler.transform(X_test)
# k-NN 알고리즘 적용
knn = MyKnnClassifier(n_neighbors=9) # 분류기 객체 생성
knn.fit(X_train, y_train) # 학습
y_pred = knn.predict(X_test) # 예측
print(np.mean(y_test == y_pred)) # 예측 결과 확인
# Confusion Matrix 만들기
print(confusion_matrix(y_test, y_pred))
plt.show()
for name, group in iris_by_class:
# print(name, len(group))
plt.scatter(group['sepal_length'], group['petal_length'], label=name)
plt.legend()
plt.xlabel('sepal_length')
plt.ylabel('petal_length')
plt.show()
# 데이터 세트를 points와 labels로 구분
X = iris.iloc[:, :-1].to_numpy() # points
y = iris.iloc[:, 4].to_numpy() # labels
# 학습/검증(train/test) 세트로 분리
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)
# Scaling
scaler = MyScaler() # 생성자 호출
scaler.fit(X_train) # 스케일링 하기 위한 평균과 표준 편차 계산
X_train = scaler.transform(X_train) # 데이터 변환
X_test = scaler.transform(X_test)
# k-NN 알고리즘 적용
knn = MyKnnClassifier(n_neighbors=9) # 분류기 객체 생성
knn.fit(X_train, y_train) # 학습
y_pred = knn.predict(X_test) # 예측
print(np.mean(y_test == y_pred)) # 예측 결과 확인
print(confusion_matrix(y_test, y_pred))
print(classification_report(y_test, y_pred))
plt.ylabel('sepal_width')
plt.show()
for name, group in iris_by_class:
# print(name, len(group))
plt.scatter(group['petal_length'], group['petal_width'],
label=name) # -> 그래프 class수만큼 그려줌
plt.legend()
plt.xlabel('petal_length')
plt.ylabel('petal_width')
plt.show()
iris_point = iris.iloc[:, 0:3].to_numpy()
iris_label = iris.iloc[:, 4].to_numpy()
point_train, point_test, label_train, label_test = train_test_split(
iris_point, iris_label, test_size=0.2)
scaler = MyScaler()
scaler.fit(point_train)
point_train = scaler.transform(point_train)
point_test = scaler.transform(point_test)
knn = MYKnnClassifier(5)
knn.fit(point_train, label_train)
pred = knn.predict(point_test)
report = classification_report(label_test, pred)
confusion = confusion_matrix(label_test, pred)
# print('아이리스 데이터')
# print(np.mean(label_test == pred))
# print(confusion)