-
ML Intro | Iris Analysis - PredictionMachine Learning/ML with Python Library 2024. 1. 27. 21:25
이제 만든 모델을 이용해서 새 데이터에 대해 예측을 해보자. 아래와 같은 모양의 꽃의 종류는 무엇일까?
꽃잎(petal):
- 길이: 5cm
- 폭: 2.9cm
꽃받침(sepal):
- 길이: 1cm
- 폭: 0.2cm이 측정값을 NumPy 배열로 만들어보자. 샘플의 수는 1개이고, 특성의 수는 모델에 훈련된 Feature 갯수와 같이 4개이기 떄문에, 1 * 4 크기의 NumPy 배열로 만들어보자.
import numpy as np x_new = np.array([[5, 2.9, 1, 0.2]]) print("x_new.shape", x_new.shape)
x_new.shape (1, 4)
iris 측정값이 NumPy 배열에 행으로 들어갔다. scikit-learn은 항상 대이터가 2차원 배열일 것으로 예상한다. 예측에는 KNN 객체의 predict 함수를 사용한다.
prediction = knn.predict(x_new) print("prediction:", prediction) print("Predicted Target Name:", iris_dataset['target_names'][prediction])
prediction: [0]
Predicted Target Name: ['setosa']우리가 트레이닝한 모델이 예측한 결과는 0이고, 이것은 target의 index에 해당한다. 즉, target_names에 0번째 인덱스, setosa라는 품종의 꽃으로 예측했다. 신기하다!
포켓몬의 그림자의 수치로도 어떤 포켓몬인지 예측할 수 있지 않을까? 쉽지는 않을것 같다... https://www.youtube.com/watch?v=crGg36kvszo
아쉬운대로 푸린의 노래를 들으며, 다음 단계로 넘어가자,,, Reference
https://www.yes24.com/Product/Goods/42806875
파이썬 라이브러리를 활용한 머신러닝 - 예스24
사이킷런 핵심 개발자에게 배우는 머신러닝 이론과 구현 현업에서 머신러닝을 연구하고 인공지능 서비스를 개발하기 위해 꼭 학위를 받을 필요는 없다. 사이킷런(scikit-learn)과 같은 훌륭한 머신
www.yes24.com
https://colab.research.google.com/drive/1ISPKQ-D2bGmJvDlqhqTieOUz-1ujrXbu#scrollTo=OgtCrXR1U_61
_01_iris_ml_model.ipynb
Colaboratory notebook
colab.research.google.com
'Machine Learning > ML with Python Library' 카테고리의 다른 글
지도학습 | 분류와 회귀 (0) 2024.01.29 ML Intro | Iris Analysis - Evaluating the Model (0) 2024.01.27 ML Intro | Iris Analysis - K-Nearest Neighbors(KNN) Model (1) 2024.01.27 ML Intro | Iris Analysis - Look at your Data (2) 2024.01.27 ML Intro | Iris Analysis - Training Data & Testing Data (1) 2024.01.24