[혼공머신] 1주차 머신러닝 개요/ 데이터 다루기

 

혼자 공부하는 머신러닝 + 딥러닝

1장 나의 첫 머신러닝, 2장 데이터 다루기

 

 

 

 

 

---

 

1-1 인공지능과 머신러닝, 딥러닝

 

인공지능	사람처럼 학습하고 추론할 수 있는 지능을 가진 시스템을 만드는 기술(강인공지능, 약인공지능으로 분류)
머신러닝	규칙을 프로그래밍하지 않아도 자동으로 데이터에서 규칙을 학습하는 알고리즘을 연구하는 분야
딥러닝	인공신경망을 기반으로 하는 머신러닝 알고리즘, 텐서플로와 파이토치가 대표적

 

 

1-3 마켓과 머신러닝

 

마켓에서 팔기 시작한 생선은 도미, 곤들매기, 농어, 강꼬치고기, 로치, 빙어, 송어, 이 생선들을 프로그램으로 분류하는 문제

→ 30~40cm 길이의 생선은 도미이다 라는 기준(개발자가 설정한 기준)을 프로그래밍(전통적인 문제 해결)

 

생선 분류 문제를 머신러닝으로 접근?

→ 생선 데이터를 바탕으로, 스스로 분류의 기준을 찾고, 분류 문제를 해결하는 시스템 구축

 

#도미 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]

import matplotlib.pyplot as plt

plt.scatter(bream_length, bream_weight)
plt.xlabel('length')
plt.ylabel('weight')
plt.show()

#빙어 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]

plt.scatter(bream_length, bream_weight)
plt.scatter(smelt_length, smelt_weight)
plt.xlabel('length')
plt.ylabel('weight')
plt.show()

1

 

 

length, weight 특성 리스트를  하나의 2차원 리스트로 합침(skit-learn 패키지를 이용하기 위함)

 

length = bream_length+smelt_length
weight = bream_weight+smelt_weight

#zip()을 이용하여, 두 리스트에서 원소를 하나씩 꺼내어 l, w에 할당함
fish_data = [[l, w] for l, w in zip(length, weight)]

fish_target = [1]*35 + [0]*14

 

k-최근접 이웃 알고리즘을 이용하여 모델을 제작

from sklearn.neighbors import KNeighborsClassifier

kn = KNeighborsClassifier()
kn.fit(fish_data, fish_target)

kn.score(fish_data, fish_target)