ML Intro | Iris Analysis - Import Data and Check

Scikit Learn을 사용해서 첫번째 ML 어플리케이션을 만들어보자. 바로 Iris의 품종을 예측하는 모델인데, 꽃잎(petal)과 꽃받침(sepal)의 폭과 길이를 cm 단위로 측정한 값과 전문가들이 setosa, versicolor, virginica종으로 분류한 iris의 데이터도 가지고 이 값들을 이용해 어떤 품종인지 구분, 즉 Classification하는 어플을 만들것이다. 그래서 iris(붓꽃)의 종류는 클래스(class)라고 한다. 그리고 iris의 하나하나 특징은 레이블(label)이라고 한다.

 

먼저 코랩에서 sklearn에서 제공해주는 iris데이터를 import해서 살펴보았다.

from sklearn.datasets import load_iris
iris_dataset = load_iris()

print("ires_dataset key:", iris_dataset.keys())

데이터셋의 키를 확인했을 때 'DESCR'라는 키가 있었고,

ires_dataset key: dict_keys(['data', 'target', 'frame', 'target_names', 'DESCR', 'feature_names', 'filename', 'data_module'])

 

이는 Description, 설명을 의미했다.

 

print(iris_dataset['DESCR'][:1000] + '\n...')

Description을 살펴보자, 아래와 같은 설명들이 나왔다.

 

.. _iris_dataset:

Iris plants dataset
--------------------

**Data Set Characteristics:**

    :Number of Instances: 150 (50 in each of three classes)
    :Number of Attributes: 4 numeric, predictive attributes and the class
    :Attribute Information:
        - sepal length in cm
        - sepal width in cm
        - petal length in cm
        - petal width in cm
        - class:
                - Iris-Setosa
                - Iris-Versicolour
                - Iris-Virginica
                
    :Summary Statistics:

    ============== ==== ==== ======= ===== ====================
                    Min  Max   Mean    SD   Class Correlation
    ============== ==== ==== ======= ===== ====================
    sepal length:   4.3  7.9   5.84   0.83    0.7826
    sepal width:    2.0  4.4   3.05   0.43   -0.4194
    petal length:   1.0  6.9   3.76   1.76    0.9490  (high!)
    petal width:    0.1  2.5   1.20   0.76    0.9565  (high!)
    ============== ==== ==== ======= ===== ===========
...

 

그리고 target_names를 살펴보았을 때, 아래와 같은 이름이 나왔다.

print("Target Name:", iris_dataset['target_names'])

Target Name: ['setosa' 'versicolor' 'virginica']

 

 

이 이외에도, feature names, data, 그리고 data size도 살펴보았다.

https://peaceadegbite1.medium.com/iris-flower-classification-60790e9718a1

print("Feature Names:", iris_dataset['feature_names'])
print("Data Type:", type(iris_dataset['data']))
print("Data Size:", iris_dataset['data'].shape)

Feature Names: ['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)', 'petal width (cm)']
Data Type: <class 'numpy.ndarray'>
Data Size: (150, 4)

 

Feature은 꽃받침 길이, 폭, 꽃잎의 길이 폭 순서로 4가지가 저장되어있고, data는 배열임을 알 수 있다. 데이터의 사이즈는 (150, 4), 즉 150개 꽃의 각 정보가 들어가 있다.

 

그렇다면, 데이터의 처음 다섯 row를 살펴보자.

print("Data's first 5 rows:\n", iris_dataset['data'][:5])​

Data's first 5 rows: [[5.1 3.5 1.4 0.2] [4.9 3. 1.4 0.2] [4.7 3.2 1.3 0.2] [4.6 3.1 1.5 0.2] [5. 3.6 1.4 0.2]]

 

['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)', 'petal width (cm)'] 순서이기 때문에, petal with, 즉 꽃잎의 폭이 모두 0.2cm이고, 첫번째 꽃이 다섯 꽃중에서 가장 꽃받침을 가졌다는걸 알 수 있다.

 

Feature들을 확인 했다면, target들을 확인해보자. 어떤 품종인지 나타내는 target이 어떤 형식으로 저장되어있는지 확인해보자.

print("target type:", type(iris_dataset['target']))

target type: <class 'numpy.ndarray'>

 

target은 numpy의 1차원 array이다. target의 크기는 얼마나 될까?

print("target size:", iris_dataset['target'].shape)

target size: (150,)

 

150개의 target이 저장되어있다. 일리있는점은, 이미 Feature데이터를 살펴봤을 때, 150가지의 꽃 정보들을 갖고 있었다. 각 꽃이 어떤 Target, 즉 어떤 품종인지를 보여주는것이다. Target 데이터를 보자.

 

print("Target:\n", iris_dataset['target'])

Target: [0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2]

 

0 에서 2까지의 숫자가 150번 나열되어있는것을 확인할 수 있다. 이 숫자는 무엇을 의미할까?

print("Target Names:", iris_dataset['target_names'])

Target Names: ['setosa' 'versicolor' 'virginica']

 

target_names를 확인해보면, 0번은 setosa, 1번은 versicolor, 그리고 2번은 virginica임을 알 수 있다. 세개의 품종이 고르게 잘 적재되어있는것을 알 수 있다.

 

이제 데이터 적재는 완료했다. 그렇다면 실제 모델을 돌리기 위해 데이터를 준비해보자! (다음시간에...)

 

이번시간의 코랩은 아래에....

https://colab.research.google.com/drive/1ISPKQ-D2bGmJvDlqhqTieOUz-1ujrXbu?usp=sharing

_01_iris_ml_model.ipynb

 

 

Reference

https://www.yes24.com/Product/Goods/42806875

 

파이썬 라이브러리를 활용한 머신러닝 - 예스24