Python에서 k-최근접이웃(k-Nearist Neighbor) 분석을 하는 방법을 알아보자.
분류
머신러닝 -> 지도학습
개념
분류 모델
회귀 모델
관련 수식
예제 코드
1
2
3
| import pandas as pd
df = pd.read_csv("iris.csv")
df.head(2)
|
|
SepalLength |
SepalWidth |
PetalLength |
Petal.Width |
Species |
| 0 |
5.1 |
3.5 |
1.4 |
0.2 |
setosa |
| 1 |
4.9 |
3.0 |
1.4 |
0.2 |
setosa |
분류 모델
1
2
3
4
5
6
7
8
9
10
11
| from sklearn.neighbors import KNeighborsClassifier
model_clf = KNeighborsClassifier(n_neighbors = 3)
model_clf.fit(X = df.drop("Species", axis = 1), y = df["Species"])
pred_clf = model_clf.predict(df.drop("Species", axis = 1))
pred_clf[:4]
pd.crosstab(df["Species"], pred_clf)
|
| col_0 |
setosa |
versicolor |
virginica |
| Species |
|
|
|
| setosa |
50 |
0 |
0 |
| versicolor |
0 |
47 |
3 |
| virginica |
0 |
3 |
47 |
회귀 모델
1
2
3
4
5
6
7
8
9
| from sklearn.neighbors import KNeighborsRegressor
model_reg = KNeighborsRegressor(n_neighbors = 3)
model_reg.fit(X = df.iloc[:, :3], y = df.iloc[:, 3])
pred_reg = model_reg.predict(df.iloc[:, :3])
pred_reg[:4]
|
1
2
3
4
5
| from sklearn.metrics import mean_squared_error
mean_squared_error(y_true = df.iloc[:, 3],
y_pred = pred_reg)
|
