강의 계획 레슨 250개 중 97번째 · 첫 머신러닝 모델
첫 머신러닝 모델

프로젝트: 꽃을 처음부터 끝까지 분류하기

이제 발판 없이 직접 파이프라인 전체를 합칠 시간이에요. 실제 문제에서 쓰는 바로 그 작업 흐름이에요.

data라는 DataFrame으로 붓꽃 같은 작은 꽃 데이터셋이 주어져요. 각 행에는 특성 두 개 petal_len과 petal_wid, 그리고 꽃 세 종류를 나타내는 0, 1, 2 중 하나인 레이블 species가 있어요. 세 종은 꽃잎 크기가 뚜렷이 달라서, 좋은 모델은 그것들을 잘 나눠야 해요.

할 일은 배운 순서 전체를 차례로 하는 거예요:

  • 특성과 레이블을 X와 y로 나눠요.
  • train_test_split으로 테스트 세트를 빼 둬요.
  • 훈련 세트로 모델을 훈련해요.
  • 테스트 세트로 예측해요.
  • 그 테스트 세트의 정확도로 평가해요.

깔끔하고 재현 가능한 실행을 위한 두 가지. 무작위성이 나오는 모든 곳(분할과 모델)에 random_state=0을 넘기세요. 그리고 train_test_split에 stratify=y를 넘겨서, 테스트 세트가 우연히 한 종을 빠뜨리는 대신 세 종의 같은 비율을 유지하게 하세요. 각 클래스가 작을 때 중요해요.

스팸 필터, 의료 선별 검사, 추천 시스템 뒤에서 돌아가는 것과 같은 고리를 키운 거예요. 여기서 모델은 작고 데이터는 친절하지만, 일의 모양은 정확히 진짜예요.

내 차례

주어진 DataFrame data로: X = data[["petal_len", "petal_wid"]]와 y = data["species"]로 정하세요. train_test_split(X, y, test_size=0.25, random_state=0, stratify=y)로 나눠 X_train, X_test, y_train, y_test를 얻으세요. 훈련 세트로 model이라는 RandomForestClassifier(n_estimators=50, random_state=0)를 훈련하고, X_test로 예측해 predictions에 넣고, acc = accuracy_score(y_test, predictions)로 정하세요.

이 레슨에서 문제를 발견했나요? 알려 주세요 · 이 레슨에 대해 묻기

이 연습은 곧 열려요

앞의 레슨을 마치면 이 레슨이 열려요. 강좌 전체가 무료이고 계정도 필요 없으며, 이 레슨은 지금 바로 읽을 수 있어요.