Machine Learning 1강 - 최근접 이웃(KNeighborsClassifier)

 

TensorFlow

초보자용 빠른시작

 

!pip install tensorflow-gpu==2.0.0-rc1
import tensorflow as tf

 

딥러닝의 Hello World, MNIST 데이터셋

 

mnist = tf.keras.datasets.mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

흑백전환 → train, test 을 255.0으로 변환하여 흑백 전환

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

model.fit(x_train, y_train, epochs=5) # fit 으로 훈련

model.evaluate(x_test,  y_test, verbose=2) # test로 검증

---

이미지 분류

이미지 분류  |  TensorFlow Core

열어서 순서대로 실행해보기

---

 

생선 데이터

Fish market

 

도미 데이터

도미의 길이, 무게 데이터

bream_length = [25.4, 26.3, 26.5, 29.0, 29.0, 29.7, 29.7, 30.0, 30.0, 30.7, 31.0, 31.0, 
                31.5, 32.0, 32.0, 32.0, 33.0, 33.0, 33.5, 33.5, 34.0, 34.0, 34.5, 35.0, 
                35.0, 35.0, 35.0, 36.0, 36.0, 37.0, 38.5, 38.5, 39.5, 41.0, 41.0]
bream_weight = [242.0, 290.0, 340.0, 363.0, 430.0, 450.0, 500.0, 390.0, 450.0, 500.0, 475.0, 500.0, 
                500.0, 340.0, 600.0, 600.0, 700.0, 700.0, 610.0, 650.0, 575.0, 685.0, 620.0, 680.0, 
                700.0, 725.0, 720.0, 714.0, 850.0, 1000.0, 920.0, 955.0, 925.0, 975.0, 950.0]

빙어 데이터

빙어의 길이, 무게 데이터

smelt_length = [9.8, 10.5, 10.6, 11.0, 11.2, 11.3, 11.8, 11.8, 12.0, 12.2, 12.4, 13.0, 14.3, 15.0]
smelt_weight = [6.7, 7.5, 7.0, 9.7, 9.8, 8.7, 10.0, 9.9, 9.8, 12.2, 13.4, 12.2, 19.7, 19.9]

import matplotlib.pyplot as plt

plt.scatter(bream_length, bream_weight)
plt.scatter(smelt_length, smelt_weight)
plt.show()

# 사이킷런 알고리즘을 사용하려면 모든 데이터는 다 2차원이어야 한다.
fish_length = bream_length + smelt_length
fish_weight = bream_weight + smelt_weight

plt.scatter(fish_length, fish_weight)
plt.show()

import numpy as np
from sklearn.neighbors import KNeighborsClassifier

# 최근접 이웃 알고리즘 모델(디폴트 = 5개)
kn = KNeighborsClassifier()

# [[25.4, 242] [9.8, 6.7]]
# [25.4, 9.8] → reshape해서 2차원으로 변경
# [1,0]
# 훈련 (2차원(훈련할 데이터), 1차원(훈련할 데이터 타겟))
# kn.fit([[25.4, 242] [9.8, 6.7]],[1,0])

# column_stack
fish_length = np.array(fish_length)
fish_weight = np.array(fish_weight)

fish_data = np.column_stack((fish_length, fish_weight))
fish_target = np.concatenate((np.ones(35), np.zeros(14)))

# print(fish_data)

# 훈련 완료
kn.fit(fish_data,fish_target)

# 평가
kn.score(fish_data, fish_target)

# 예측
kn.predict([[25.4, 9.8]])

# 문제점 - 훈련 데이터로 검증한게 문제!!
#        - Classifier(분류 알고리즘) - 말도 안되는 값도 분류를 한다.