차례:
비디오: 빅 데이터 3분 요약 2024
새로운 프로그래밍 언어를 배우면 "hello world"프로그램을 작성하는 것이 일반적입니다. 기계 학습 및 예측 분석의 경우 아이리스 데이터 집합을 분류하기위한 모델을 만드는 것이 "안녕하세요 세상"과 동등한 프로그램입니다. 이것은 매우 간단한 예이지만 기계 학습 및 예측 분석의 기초를 가르치는 데 매우 효과적입니다.
샘플 데이터 세트를 얻는 방법
예측 모델을 만들려면 샘플 아이리스 데이터 세트를 다운로드해야합니다. 이 데이터 세트는 여러 출처, 특히 기계 학습 부서가있는 교육 기관에서 무료로 사용할 수 있습니다. 다행히도, 사람들은 패키지와 함께 샘플 데이터 세트 및 데이터로드 기능을 포함 할만큼 충분히 훌륭했습니다. 이 예제의 목적을 위해 데이터를로드하기 위해 간단한 두 줄의 코드 만 실행하면됩니다.
데이터에 라벨을 지정하는 방법
아이리스 플라워 (Iris Flower) 데이터 세트의 각 클래스에서 한 가지 관찰과 특징이 있습니다.
| 세 길이 | 세퍼 레이션 | 꽃잎 길이 | 꽃잎 너비 | 대상 클래스 / 라벨 |
|---|---|---|---|---|
| 5. 1 9. 599. 4 990. 2 세토 사 (0) | 7. 0 9. 2 4. 799. 4 Versicolor (1) | 6. 3 3. 3 9. 0 2. Virginica (2) |
|
아이리스 플라워 데이터 세트는 아이리스 꽃 ( |
| 아이리스 세트 사, 아이리스 버지니아, | , | 아이리스 versicolor | )의 3 가지 클래스의 실제 다 변수 데이터 세트입니다. 로널드 피셔 (Ronald Fisher)의 1936 년 기사, "분류 학적 문제에서의 다중 측정의 사용. "이 데이터 세트는 기계 학습 및 통계를 위해 학계에서 광범위하게 사용되는 것으로 잘 알려져 있습니다. | 데이터 세트는 총 150 개의 인스턴스로 구성되며 아이리스 꽃의 3 가지 클래스 각각에서 50 개의 인스턴스로 구성됩니다. 샘플에는 sepals과 petal의 길이와 너비 측정치 인 4 개의 피쳐 (일반적으로 |
| 속성 | 라고도 함)가 있습니다. |
|
이 데이터 세트의 흥미로운 부분은 세 클래스가 다소 선형으로 분리 될 수 있다는 것입니다. | Setosa |
Virginica 와 Versicolor 클래스는 직선을 사용하여 완벽하게 분리 할 수 없습니다. 이는 분류 분석을 수행하는 데 완벽한 후보 데이터 세트이지만 클러스터링 분석에는 적합하지 않습니다. 샘플 데이터는 이미 라벨이 붙어 있습니다. 위의 오른쪽 열 (레이블)은 홍채 꽃의 각 클래스 이름을 보여줍니다.클래스 이름은
레이블 또는 대상이라고합니다.
일반적으로y 라는 변수에 할당됩니다. 그것은 기본적으로 예측되는 결과 또는 결과입니다. 통계 및 모델링에서는 종종 종속 변수 라고합니다. 그것은 sepal 길이와 너비 및 꽃잎 길이와 너비에 해당하는 입력에 달려 있습니다. 원본 데이터 세트와 비교하여 scikit 사전 처리 된 아이리스 데이터 세트의 다른 점을 알고 싶을 수도 있습니다. 알아 내려면 원본 데이터 파일을 얻어야합니다. 홍채 데이터 세트
에 대한 Google 검색을 수행하여 교육 기관 중 하나에서 다운로드하거나보실 수 있습니다. 일반적으로 첫 번째로 나타나는 결과는 University of California Irvine (UCI)의 기계 학습용 데이터 저장소입니다. UCI 기계 학습 저장소의 원래 상태에있는 아이리스 데이터 세트는 UCI 웹 사이트에서 찾을 수 있습니다. 다운로드하면 텍스트 편집기로 볼 수 있습니다. 파일의 데이터를 보면 각 행에 5 개의 열이 있음을 알 수 있습니다. 첫 번째 네 열은 측정 값 ( 피쳐 라고 함)이고 마지막 열은 레이블입니다. 레이블은 아이리스 데이터 세트의 원래 버전과 scikit 버전에 따라 다릅니다. 또 다른 차이점은 데이터 파일의 첫 번째 행입니다. Scikit 데이터 로딩 기능에 사용되는 헤더 행을 포함합니다. 알고리즘 자체에는 아무런 영향을 미치지 않습니다. 문자를 텍스트로 유지하는 것보다는 숫자로 정규화하는 것이 알고리즘을 더 쉽게 처리 할 수 있으며 훨씬 더 메모리 효율적입니다. 이는 특히 실제 시나리오에서 종종 나타나는 많은 기능을 가진 매우 큰 데이터 세트를 실행하는 경우에 분명합니다.
여기에 두 파일의 샘플 데이터가 있습니다. Col5를 제외한 모든 데이터 열은 동일합니다. scikit에는 숫자 레이블이있는 클래스 이름이 있습니다. 원본 파일에는 텍스트 레이블이 있습니다. 출처 Col2 Col3
Col4 <95> Col5 scikit 5. 1 9. 599. 4 990. 2 999 원래 5. 1 9. 599. 4 990. 2 Iris-setosa
scikit
7. 0 9. 2 4. 799. 4 9999 7. 0 9. 2 4. 799. 499 Iris-versicolor scikit 6. 3 3. 3 9. 0 2. 5 9996 6. 3 3. 3 9. 0 2. 아이리스 - 버지 니카
