# 군집이란?
# 군집은 비지도학습.... 정답이 없는 것들... data 들만 있는 것들을
# 그룹핑하는 작업

# 그룹핑을 해두어 새로운 데이터가 들어왔을때 해당되는 그룹으로 분류할 수 있다

import pandas as pd
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings("ignore")

df = pd.read_csv("../data_set/7.군집/Mall_Customers.csv")
df.head()

# 시각화 해주는 라이브러리 추가
!pip install yellowbrick

Requirement already satisfied: yellowbrick in c:\users\user\appdata\roaming\python\python311\site-packages (1.5)
Requirement already satisfied: matplotlib!=3.0.0,>=2.0.2 in c:\users\user\anaconda3\lib\site-packages (from yellowbrick) (3.8.0)
Requirement already satisfied: scipy>=1.0.0 in c:\users\user\anaconda3\lib\site-packages (from yellowbrick) (1.11.4)
Requirement already satisfied: scikit-learn>=1.0.0 in c:\users\user\anaconda3\lib\site-packages (from yellowbrick) (1.2.2)
Requirement already satisfied: numpy>=1.16.0 in c:\users\user\anaconda3\lib\site-packages (from yellowbrick) (1.26.4)
Requirement already satisfied: cycler>=0.10.0 in c:\users\user\anaconda3\lib\site-packages (from yellowbrick) (0.11.0)
Requirement already satisfied: contourpy>=1.0.1 in c:\users\user\anaconda3\lib\site-packages (from matplotlib!=3.0.0,>=2.0.2->yellowbrick) (1.2.0)
Requirement already satisfied: fonttools>=4.22.0 in c:\users\user\anaconda3\lib\site-packages (from matplotlib!=3.0.0,>=2.0.2->yellowbrick) (4.25.0)
Requirement already satisfied: kiwisolver>=1.0.1 in c:\users\user\anaconda3\lib\site-packages (from matplotlib!=3.0.0,>=2.0.2->yellowbrick) (1.4.4)
Requirement already satisfied: packaging>=20.0 in c:\users\user\anaconda3\lib\site-packages (from matplotlib!=3.0.0,>=2.0.2->yellowbrick) (23.1)
Requirement already satisfied: pillow>=6.2.0 in c:\users\user\anaconda3\lib\site-packages (from matplotlib!=3.0.0,>=2.0.2->yellowbrick) (10.2.0)
Requirement already satisfied: pyparsing>=2.3.1 in c:\users\user\anaconda3\lib\site-packages (from matplotlib!=3.0.0,>=2.0.2->yellowbrick) (3.0.9)
Requirement already satisfied: python-dateutil>=2.7 in c:\users\user\anaconda3\lib\site-packages (from matplotlib!=3.0.0,>=2.0.2->yellowbrick) (2.8.2)
Requirement already satisfied: joblib>=1.1.1 in c:\users\user\anaconda3\lib\site-packages (from scikit-learn>=1.0.0->yellowbrick) (1.2.0)
Requirement already satisfied: threadpoolctl>=2.0.0 in c:\users\user\appdata\roaming\python\python311\site-packages (from scikit-learn>=1.0.0->yellowbrick) (3.1.0)
Requirement already satisfied: six>=1.5 in c:\users\user\anaconda3\lib\site-packages (from python-dateutil>=2.7->matplotlib!=3.0.0,>=2.0.2->yellowbrick) (1.16.0)

df.columns

Index(['CustomerID', 'Gender', 'Age', 'Annual Income (k$)',
       'Spending Score (1-100)'],
      dtype='object')

from yellowbrick.cluster import KElbowVisualizer

features = ['Annual Income (k$)', 'Spending Score (1-100)']
model = KMeans()
vis = KElbowVisualizer(model, k=(1, 10))
                            # 군집에 대한 갯수를 1 ~ 10 개의 그룹으로 지정
                            # 그 중에 맞는 것으로 설정
vis.fit(df[features])
vis.show()
# 검은 점선이 있는 4 가 군집의 적당한 수이다
# 4개의 집단으로 분류했을때가 가장 적합하다...!

<Axes: title={'center': 'Distortion Score Elbow for KMeans Clustering'}, xlabel='k', ylabel='distortion score'>

from sklearn.metrics import silhouette_score
all_scores = []
i=2
while i<10:
    i+=1
    km = KMeans(n_clusters=i)
    km.fit( df[features] )
    sil_score = silhouette_score(df[features], km.labels_)
    dic = {"cluster_num" : i, "score" : sil_score}
    all_scores.append(dic)
s_df = pd.DataFrame(all_scores)

# score 를 기준으로 오름차순으로 정렬
s_df.sort_values(by="score")

# 5개의 집단으로 분류했을때가 가장 적합하다...!

set(km.labels_)

{0, 1, 2, 3, 4, 5, 6, 7, 8, 9}

km = KMeans(n_clusters=5, init="k-means++", max_iter=300)
                                        # 300 번 반복하면서 최적의 중심점을 찾겠다
            # n_clusters = 5 : 5 개의 그룹으로 묶겠다
km.fit(df[features])

KMeans(n_clusters=5)

KMeans(n_clusters=5)

set(km.labels_)

{0, 1, 2, 3, 4}

# cluster 컬럼을 생성하여 각 데이터가 속한
# 그룹을 표현
df['cluster'] = km.labels_
df

# 군집을 통해 분류한 것을 시각화
f = ['Annual Income (k$)', 'Spending Score (1-100)', 'cluster']
plt.figure(figsize=(12,8))
sns.scatterplot( data = df[f], x="Annual Income (k$)", y="Spending Score (1-100)", hue="cluster" )

<Axes: xlabel='Annual Income (k$)', ylabel='Spending Score (1-100)'>

# 중심좌표를 알려주는 cluster_centers_
# 각 군집마다 중심 좌표를 알려준다
km.cluster_centers_

array([[55.2962963 , 49.51851852],
       [25.72727273, 79.36363636],
       [26.30434783, 20.91304348],
       [88.2       , 17.11428571],
       [86.53846154, 82.12820513]])

cnt = km.cluster_centers_
cnt[:,0]

array([55.2962963 , 25.72727273, 26.30434783, 88.2       , 86.53846154])

cnt[:,1]

array([49.51851852, 79.36363636, 20.91304348, 17.11428571, 82.12820513])

# 군집 별 중심좌표를 시각화
plt.scatter(x=cnt[:,0], y=cnt[:,1], c="red", s=200)
                                # c : 표시될 점의 색깔
                                # s : 표시될 점의 크기

<matplotlib.collections.PathCollection at 0x1539bbc9210>

# 군집의 표본과 중심좌표를 동시에 시각화
plt.figure(figsize=(12,8))
sns.scatterplot( data = df[f], x="Annual Income (k$)", y="Spending Score (1-100)", hue="cluster" )

plt.scatter(x=cnt[:,0], y=cnt[:,1], c="red", s=200)

<matplotlib.collections.PathCollection at 0x15398c23650>

fe = ['Annual Income (k$)', 'Spending Score (1-100)']
label = "cluster"

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(df[fe], df[label], test_size=0.3)

from sklearn.model_selection import GridSearchCV
from sklearn.ensemble import RandomForestClassifier
# 새로운 데이터가 들어오면 몇번 그룹인지 분류하기 위해
# RandomForestClassifier 를 사용
params = {
    "n_estimators" : range(5,100,10),
    "max_depth" : range(4,11,2),
    "min_samples_leaf" : range(5,21,5)
}

rfc = RandomForestClassifier()
grid_cv = GridSearchCV(rfc, param_grid=params, cv=3, n_jobs=-1)
grid_cv.fit(X_train, y_train)
print("최적의 파라미터 : ", grid_cv.best_params_)
print("train : ", grid_cv.score(X_train, y_train))
print("test : ", grid_cv.score(X_test, y_test))

최적의 파라미터 :  {'max_depth': 4, 'min_samples_leaf': 5, 'n_estimators': 25}
train :  0.9928571428571429
test :  0.9333333333333333

# 새로운 데이터를 집어넣으면 몇번째 그룹에 해당하는 데이터인지
# 분류해준다
grid_cv.predict([[20,20]])

array([2])

# 단변량 : 비슷한 컬럼들을 확인 후 제거하는 것
# embed : Tree 계열 알고리즘에서만 사용 가능, 각 컬럼의 티어를 알려준다.

from sklearn.ensemble import RandomForestRegressor
import pandas as pd
df = pd.read_csv("../data_set/6.회귀/data_cleaning.csv")
df.head()

df.columns

Index(['datetime', 'season', 'holiday', 'workingday', 'weather', 'temp',
       'atemp', 'humidity', 'windspeed', 'casual', 'registered', 'count',
       'year', 'month', 'day', 'hour', 'temp_int'],
      dtype='object')

f = ['season', 'holiday', 'workingday', 'weather', 'temp',
       'atemp', 'humidity', 'windspeed', 'year', 'month', 'day', 'hour']
l = "count"
X, y = df[f], df[l]

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)

model = RandomForestRegressor()
model.fit(X_train, y_train)
print("train : ", model.score(X_train, y_train))
print("test : ", model.score(X_test, y_test))

train :  0.9916614979489478
test :  0.9410126086888452

# 서로의 상관관계가 높을 수록 그래프가 일정하게 상승 또는 하강한다
import seaborn as sns
sns.scatterplot(data=df, x="temp", y="atemp")

<Axes: xlabel='temp', ylabel='atemp'>

# 각 컬럼 간의 상관관계를 보여준다
# temp 와 atemp 의 상관관계가 1에 가깝기 때문에
# 제거해도 될듯 하다
df.corr(numeric_only=True)

import matplotlib.pyplot as plt
plt.subplots(figsize=(12,12))
sns.heatmap(df.corr(numeric_only=True), annot=True)

<Axes: >

# 상관관계가 비슷한 것들은 / 이 형태나 \ 이 형태로 값이
# 일정하게 줄어들거나 늘어난다
sns.pairplot(df, height=1)

<seaborn.axisgrid.PairGrid at 0x16a895c6710>

# atemp 삭제
f = ['season', 'holiday', 'workingday', 'weather', 'temp',
       'humidity', 'windspeed', 'year', 'month', 'day', 'hour']

# atemp 컬럼을 삭제해도 예측 결과 값에는 영향을 크게 끼치지 않았음
# atemp 와 temp 가 거의 동일한 컬럼이었기 때문...!
X_train, X_test, y_train, y_test = train_test_split(df[f], df[l], test_size=0.3)
model = RandomForestRegressor()
model.fit(X_train, y_train)
print("train : ", model.score(X_train, y_train))
print("test : ", model.score(X_test, y_test))

train :  0.9917278017758199
test :  0.9399504472888517

from itertools import combinations
sample_bag = [1,2,3,4]
for c in combinations(sample_bag, 2) :
    # sample_bag 를 2개씩 뽑으라는 뜻
    print(c, type(c))

(1, 2) <class 'tuple'>
(1, 3) <class 'tuple'>
(1, 4) <class 'tuple'>
(2, 3) <class 'tuple'>
(2, 4) <class 'tuple'>
(3, 4) <class 'tuple'>

all_result = []

# combinations() 가 컬럼들을 2개씩 묶어준다
for c in combinations(f, 2):
    print(c)

('season', 'holiday')
('season', 'workingday')
('season', 'weather')
('season', 'temp')
('season', 'humidity')
('season', 'windspeed')
('season', 'year')
('season', 'month')
('season', 'day')
('season', 'hour')
('holiday', 'workingday')
('holiday', 'weather')
('holiday', 'temp')
('holiday', 'humidity')
('holiday', 'windspeed')
('holiday', 'year')
('holiday', 'month')
('holiday', 'day')
('holiday', 'hour')
('workingday', 'weather')
('workingday', 'temp')
('workingday', 'humidity')
('workingday', 'windspeed')
('workingday', 'year')
('workingday', 'month')
('workingday', 'day')
('workingday', 'hour')
('weather', 'temp')
('weather', 'humidity')
('weather', 'windspeed')
('weather', 'year')
('weather', 'month')
('weather', 'day')
('weather', 'hour')
('temp', 'humidity')
('temp', 'windspeed')
('temp', 'year')
('temp', 'month')
('temp', 'day')
('temp', 'hour')
('humidity', 'windspeed')
('humidity', 'year')
('humidity', 'month')
('humidity', 'day')
('humidity', 'hour')
('windspeed', 'year')
('windspeed', 'month')
('windspeed', 'day')
('windspeed', 'hour')
('year', 'month')
('year', 'day')
('year', 'hour')
('month', 'day')
('month', 'hour')
('day', 'hour')

for c in combinations(f, 2):
    # 컬럼을 list 자료형으로 형변환해서 사용해야 한다
    print( df[list(c)] )

       season  holiday
0           1        0
1           1        0
2           1        0
3           1        0
4           1        0
...       ...      ...
10881       4        0
10882       4        0
10883       4        0
10884       4        0
10885       4        0

[10886 rows x 2 columns]
       season  workingday
0           1           0
1           1           0
2           1           0
3           1           0
4           1           0
...       ...         ...
10881       4           1
10882       4           1
10883       4           1
10884       4           1
10885       4           1

[10886 rows x 2 columns]
       season  weather
0           1        1
1           1        1
2           1        1
3           1        1
4           1        1
...       ...      ...
10881       4        1
10882       4        1
10883       4        1
10884       4        1
10885       4        1

[10886 rows x 2 columns]
       season   temp
0           1   9.84
1           1   9.02
2           1   9.02
3           1   9.84
4           1   9.84
...       ...    ...
10881       4  15.58
10882       4  14.76
10883       4  13.94
10884       4  13.94
10885       4  13.12

[10886 rows x 2 columns]
       season  humidity
0           1        81
1           1        80
2           1        80
3           1        75
4           1        75
...       ...       ...
10881       4        50
10882       4        57
10883       4        61
10884       4        61
10885       4        66

[10886 rows x 2 columns]
       season  windspeed
0           1     0.0000
1           1     0.0000
2           1     0.0000
3           1     0.0000
4           1     0.0000
...       ...        ...
10881       4    26.0027
10882       4    15.0013
10883       4    15.0013
10884       4     6.0032
10885       4     8.9981

[10886 rows x 2 columns]
       season  year
0           1  2011
1           1  2011
2           1  2011
3           1  2011
4           1  2011
...       ...   ...
10881       4  2012
10882       4  2012
10883       4  2012
10884       4  2012
10885       4  2012

[10886 rows x 2 columns]
       season  month
0           1      1
1           1      1
2           1      1
3           1      1
4           1      1
...       ...    ...
10881       4     12
10882       4     12
10883       4     12
10884       4     12
10885       4     12

[10886 rows x 2 columns]
       season  day
0           1    1
1           1    1
2           1    1
3           1    1
4           1    1
...       ...  ...
10881       4   19
10882       4   19
10883       4   19
10884       4   19
10885       4   19

[10886 rows x 2 columns]
       season  hour
0           1     0
1           1     1
2           1     2
3           1     3
4           1     4
...       ...   ...
10881       4    19
10882       4    20
10883       4    21
10884       4    22
10885       4    23

[10886 rows x 2 columns]
       holiday  workingday
0            0           0
1            0           0
2            0           0
3            0           0
4            0           0
...        ...         ...
10881        0           1
10882        0           1
10883        0           1
10884        0           1
10885        0           1

[10886 rows x 2 columns]
       holiday  weather
0            0        1
1            0        1
2            0        1
3            0        1
4            0        1
...        ...      ...
10881        0        1
10882        0        1
10883        0        1
10884        0        1
10885        0        1

[10886 rows x 2 columns]
       holiday   temp
0            0   9.84
1            0   9.02
2            0   9.02
3            0   9.84
4            0   9.84
...        ...    ...
10881        0  15.58
10882        0  14.76
10883        0  13.94
10884        0  13.94
10885        0  13.12

[10886 rows x 2 columns]
       holiday  humidity
0            0        81
1            0        80
2            0        80
3            0        75
4            0        75
...        ...       ...
10881        0        50
10882        0        57
10883        0        61
10884        0        61
10885        0        66

[10886 rows x 2 columns]
       holiday  windspeed
0            0     0.0000
1            0     0.0000
2            0     0.0000
3            0     0.0000
4            0     0.0000
...        ...        ...
10881        0    26.0027
10882        0    15.0013
10883        0    15.0013
10884        0     6.0032
10885        0     8.9981

[10886 rows x 2 columns]
       holiday  year
0            0  2011
1            0  2011
2            0  2011
3            0  2011
4            0  2011
...        ...   ...
10881        0  2012
10882        0  2012
10883        0  2012
10884        0  2012
10885        0  2012

[10886 rows x 2 columns]
       holiday  month
0            0      1
1            0      1
2            0      1
3            0      1
4            0      1
...        ...    ...
10881        0     12
10882        0     12
10883        0     12
10884        0     12
10885        0     12

[10886 rows x 2 columns]
       holiday  day
0            0    1
1            0    1
2            0    1
3            0    1
4            0    1
...        ...  ...
10881        0   19
10882        0   19
10883        0   19
10884        0   19
10885        0   19

[10886 rows x 2 columns]
       holiday  hour
0            0     0
1            0     1
2            0     2
3            0     3
4            0     4
...        ...   ...
10881        0    19
10882        0    20
10883        0    21
10884        0    22
10885        0    23

[10886 rows x 2 columns]
       workingday  weather
0               0        1
1               0        1
2               0        1
3               0        1
4               0        1
...           ...      ...
10881           1        1
10882           1        1
10883           1        1
10884           1        1
10885           1        1

[10886 rows x 2 columns]
       workingday   temp
0               0   9.84
1               0   9.02
2               0   9.02
3               0   9.84
4               0   9.84
...           ...    ...
10881           1  15.58
10882           1  14.76
10883           1  13.94
10884           1  13.94
10885           1  13.12

[10886 rows x 2 columns]
       workingday  humidity
0               0        81
1               0        80
2               0        80
3               0        75
4               0        75
...           ...       ...
10881           1        50
10882           1        57
10883           1        61
10884           1        61
10885           1        66

[10886 rows x 2 columns]
       workingday  windspeed
0               0     0.0000
1               0     0.0000
2               0     0.0000
3               0     0.0000
4               0     0.0000
...           ...        ...
10881           1    26.0027
10882           1    15.0013
10883           1    15.0013
10884           1     6.0032
10885           1     8.9981

[10886 rows x 2 columns]
       workingday  year
0               0  2011
1               0  2011
2               0  2011
3               0  2011
4               0  2011
...           ...   ...
10881           1  2012
10882           1  2012
10883           1  2012
10884           1  2012
10885           1  2012

[10886 rows x 2 columns]
       workingday  month
0               0      1
1               0      1
2               0      1
3               0      1
4               0      1
...           ...    ...
10881           1     12
10882           1     12
10883           1     12
10884           1     12
10885           1     12

[10886 rows x 2 columns]
       workingday  day
0               0    1
1               0    1
2               0    1
3               0    1
4               0    1
...           ...  ...
10881           1   19
10882           1   19
10883           1   19
10884           1   19
10885           1   19

[10886 rows x 2 columns]
       workingday  hour
0               0     0
1               0     1
2               0     2
3               0     3
4               0     4
...           ...   ...
10881           1    19
10882           1    20
10883           1    21
10884           1    22
10885           1    23

[10886 rows x 2 columns]
       weather   temp
0            1   9.84
1            1   9.02
2            1   9.02
3            1   9.84
4            1   9.84
...        ...    ...
10881        1  15.58
10882        1  14.76
10883        1  13.94
10884        1  13.94
10885        1  13.12

[10886 rows x 2 columns]
       weather  humidity
0            1        81
1            1        80
2            1        80
3            1        75
4            1        75
...        ...       ...
10881        1        50
10882        1        57
10883        1        61
10884        1        61
10885        1        66

[10886 rows x 2 columns]
       weather  windspeed
0            1     0.0000
1            1     0.0000
2            1     0.0000
3            1     0.0000
4            1     0.0000
...        ...        ...
10881        1    26.0027
10882        1    15.0013
10883        1    15.0013
10884        1     6.0032
10885        1     8.9981

[10886 rows x 2 columns]
       weather  year
0            1  2011
1            1  2011
2            1  2011
3            1  2011
4            1  2011
...        ...   ...
10881        1  2012
10882        1  2012
10883        1  2012
10884        1  2012
10885        1  2012

[10886 rows x 2 columns]
       weather  month
0            1      1
1            1      1
2            1      1
3            1      1
4            1      1
...        ...    ...
10881        1     12
10882        1     12
10883        1     12
10884        1     12
10885        1     12

[10886 rows x 2 columns]
       weather  day
0            1    1
1            1    1
2            1    1
3            1    1
4            1    1
...        ...  ...
10881        1   19
10882        1   19
10883        1   19
10884        1   19
10885        1   19

[10886 rows x 2 columns]
       weather  hour
0            1     0
1            1     1
2            1     2
3            1     3
4            1     4
...        ...   ...
10881        1    19
10882        1    20
10883        1    21
10884        1    22
10885        1    23

[10886 rows x 2 columns]
        temp  humidity
0       9.84        81
1       9.02        80
2       9.02        80
3       9.84        75
4       9.84        75
...      ...       ...
10881  15.58        50
10882  14.76        57
10883  13.94        61
10884  13.94        61
10885  13.12        66

[10886 rows x 2 columns]
        temp  windspeed
0       9.84     0.0000
1       9.02     0.0000
2       9.02     0.0000
3       9.84     0.0000
4       9.84     0.0000
...      ...        ...
10881  15.58    26.0027
10882  14.76    15.0013
10883  13.94    15.0013
10884  13.94     6.0032
10885  13.12     8.9981

[10886 rows x 2 columns]
        temp  year
0       9.84  2011
1       9.02  2011
2       9.02  2011
3       9.84  2011
4       9.84  2011
...      ...   ...
10881  15.58  2012
10882  14.76  2012
10883  13.94  2012
10884  13.94  2012
10885  13.12  2012

[10886 rows x 2 columns]
        temp  month
0       9.84      1
1       9.02      1
2       9.02      1
3       9.84      1
4       9.84      1
...      ...    ...
10881  15.58     12
10882  14.76     12
10883  13.94     12
10884  13.94     12
10885  13.12     12

[10886 rows x 2 columns]
        temp  day
0       9.84    1
1       9.02    1
2       9.02    1
3       9.84    1
4       9.84    1
...      ...  ...
10881  15.58   19
10882  14.76   19
10883  13.94   19
10884  13.94   19
10885  13.12   19

[10886 rows x 2 columns]
        temp  hour
0       9.84     0
1       9.02     1
2       9.02     2
3       9.84     3
4       9.84     4
...      ...   ...
10881  15.58    19
10882  14.76    20
10883  13.94    21
10884  13.94    22
10885  13.12    23

[10886 rows x 2 columns]
       humidity  windspeed
0            81     0.0000
1            80     0.0000
2            80     0.0000
3            75     0.0000
4            75     0.0000
...         ...        ...
10881        50    26.0027
10882        57    15.0013
10883        61    15.0013
10884        61     6.0032
10885        66     8.9981

[10886 rows x 2 columns]
       humidity  year
0            81  2011
1            80  2011
2            80  2011
3            75  2011
4            75  2011
...         ...   ...
10881        50  2012
10882        57  2012
10883        61  2012
10884        61  2012
10885        66  2012

[10886 rows x 2 columns]
       humidity  month
0            81      1
1            80      1
2            80      1
3            75      1
4            75      1
...         ...    ...
10881        50     12
10882        57     12
10883        61     12
10884        61     12
10885        66     12

[10886 rows x 2 columns]
       humidity  day
0            81    1
1            80    1
2            80    1
3            75    1
4            75    1
...         ...  ...
10881        50   19
10882        57   19
10883        61   19
10884        61   19
10885        66   19

[10886 rows x 2 columns]
       humidity  hour
0            81     0
1            80     1
2            80     2
3            75     3
4            75     4
...         ...   ...
10881        50    19
10882        57    20
10883        61    21
10884        61    22
10885        66    23

[10886 rows x 2 columns]
       windspeed  year
0         0.0000  2011
1         0.0000  2011
2         0.0000  2011
3         0.0000  2011
4         0.0000  2011
...          ...   ...
10881    26.0027  2012
10882    15.0013  2012
10883    15.0013  2012
10884     6.0032  2012
10885     8.9981  2012

[10886 rows x 2 columns]
       windspeed  month
0         0.0000      1
1         0.0000      1
2         0.0000      1
3         0.0000      1
4         0.0000      1
...          ...    ...
10881    26.0027     12
10882    15.0013     12
10883    15.0013     12
10884     6.0032     12
10885     8.9981     12

[10886 rows x 2 columns]
       windspeed  day
0         0.0000    1
1         0.0000    1
2         0.0000    1
3         0.0000    1
4         0.0000    1
...          ...  ...
10881    26.0027   19
10882    15.0013   19
10883    15.0013   19
10884     6.0032   19
10885     8.9981   19

[10886 rows x 2 columns]
       windspeed  hour
0         0.0000     0
1         0.0000     1
2         0.0000     2
3         0.0000     3
4         0.0000     4
...          ...   ...
10881    26.0027    19
10882    15.0013    20
10883    15.0013    21
10884     6.0032    22
10885     8.9981    23

[10886 rows x 2 columns]
       year  month
0      2011      1
1      2011      1
2      2011      1
3      2011      1
4      2011      1
...     ...    ...
10881  2012     12
10882  2012     12
10883  2012     12
10884  2012     12
10885  2012     12

[10886 rows x 2 columns]
       year  day
0      2011    1
1      2011    1
2      2011    1
3      2011    1
4      2011    1
...     ...  ...
10881  2012   19
10882  2012   19
10883  2012   19
10884  2012   19
10885  2012   19

[10886 rows x 2 columns]
       year  hour
0      2011     0
1      2011     1
2      2011     2
3      2011     3
4      2011     4
...     ...   ...
10881  2012    19
10882  2012    20
10883  2012    21
10884  2012    22
10885  2012    23

[10886 rows x 2 columns]
       month  day
0          1    1
1          1    1
2          1    1
3          1    1
4          1    1
...      ...  ...
10881     12   19
10882     12   19
10883     12   19
10884     12   19
10885     12   19

[10886 rows x 2 columns]
       month  hour
0          1     0
1          1     1
2          1     2
3          1     3
4          1     4
...      ...   ...
10881     12    19
10882     12    20
10883     12    21
10884     12    22
10885     12    23

[10886 rows x 2 columns]
       day  hour
0        1     0
1        1     1
2        1     2
3        1     3
4        1     4
...    ...   ...
10881   19    19
10882   19    20
10883   19    21
10884   19    22
10885   19    23

[10886 rows x 2 columns]

for c in combinations(f, 2):
    X_train, X_test, y_train, y_test = train_test_split(df[list(c)], df['count'], test_size=0.3)
    model = RandomForestRegressor()
    model.fit(X_train, y_train)
    train_score = model.score(X_train, y_train)
    test_score = model.score(X_test, y_test)
    print(str(c))
    print("train : ", train_score)
    print("test : ", test_score)
    print("="*20)

('season', 'holiday')
train :  0.05845819571136379
test :  0.06801029389571611
====================
('season', 'workingday')
train :  0.06119690546536827
test :  0.06356368452321925
====================
('season', 'weather')
train :  0.07576082202281542
test :  0.08724412927488545
====================
('season', 'temp')
train :  0.23284427316676115
test :  0.2126150527730073
====================
('season', 'humidity')
train :  0.28060963515764825
test :  0.2553308376517509
====================
('season', 'windspeed')
train :  0.09695952795617624
test :  0.0870184127764726
====================
('season', 'year')
train :  0.12481734997659888
test :  0.1419045806133954
====================
('season', 'month')
train :  0.07110487449658509
test :  0.07775741473009401
====================
('season', 'day')
train :  0.0730837414840454
test :  0.0508598813046125
====================
('season', 'hour')
train :  0.6119506571560571
test :  0.603707014633353
====================
('holiday', 'workingday')
train :  6.254614111333989e-05
test :  -7.213416623663704e-05
====================
('holiday', 'weather')
train :  0.018203745414681616
test :  0.017385163764621958
====================
('holiday', 'temp')
train :  0.16992644518592026
test :  0.18105496093542683
====================
('holiday', 'humidity')
train :  0.13910601748660945
test :  0.1188547039149569
====================
('holiday', 'windspeed')
train :  0.019516032040894027
test :  0.01644872706450229
====================
('holiday', 'year')
train :  0.07140907585286749
test :  0.05987754943200241
====================
('holiday', 'month')
train :  0.07170470686238317
test :  0.07658428013922136
====================
('holiday', 'day')
train :  0.007090447830976676
test :  -0.002347600544694739
====================
('holiday', 'hour')
train :  0.5203690714412798
test :  0.5147726988065502
====================
('workingday', 'weather')
train :  0.017652970990177486
test :  0.018520313691839374
====================
('workingday', 'temp')
train :  0.17701773948619048
test :  0.1656941296996629
====================
('workingday', 'humidity')
train :  0.1458885900358774
test :  0.12107148034198867
====================
('workingday', 'windspeed')
train :  0.025180747003014092
test :  0.009864892264444092
====================
('workingday', 'year')
train :  0.06463100782531617
test :  0.0758191172864463
====================
('workingday', 'month')
train :  0.07721271823416076
test :  0.0669414583433603
====================
('workingday', 'day')
train :  0.00513734237636676
test :  -0.0019346627158343122
====================
('workingday', 'hour')
train :  0.6538749506801984
test :  0.6533623225870554
====================
('weather', 'temp')
train :  0.19434607518171065
test :  0.17027741524867768
====================
('weather', 'humidity')
train :  0.15828235468992424
test :  0.10505369754010518
====================
('weather', 'windspeed')
train :  0.04406413642063167
test :  0.03658864299539133
====================
('weather', 'year')
train :  0.08756829553309142
test :  0.07928282501967343
====================
('weather', 'month')
train :  0.09587192759658014
test :  0.08846831294974555
====================
('weather', 'day')
train :  0.030841733528468973
test :  0.009799462464378794
====================
('weather', 'hour')
train :  0.5532384362164128
test :  0.5332867151807875
====================
('temp', 'humidity')
train :  0.3686949135390849
test :  0.24043607129139977
====================
('temp', 'windspeed')
train :  0.2590220131987515
test :  0.11573756231088816
====================
('temp', 'year')
train :  0.23753762757820374
test :  0.21815533604779336
====================
('temp', 'month')
train :  0.2880174693849482
test :  0.22970742981217374
====================
('temp', 'day')
train :  0.2663310001326936
test :  0.14210666955745732
====================
('temp', 'hour')
train :  0.679074285859746
test :  0.6037291739012631
====================
('humidity', 'windspeed')
train :  0.25819049064192934
test :  0.036960054751834504
====================
('humidity', 'year')
train :  0.20136505635494273
test :  0.18650522639089195
====================
('humidity', 'month')
train :  0.38909825925915065
test :  0.2496396608260928
====================
('humidity', 'day')
train :  0.3194661339783871
test :  0.06093953967038068
====================
('humidity', 'hour')
train :  0.6346694753826874
test :  0.5050059135565201
====================
('windspeed', 'year')
train :  0.09323464953999572
test :  0.08183108426857966
====================
('windspeed', 'month')
train :  0.13519972851366324
test :  0.06816860927886215
====================
('windspeed', 'day')
train :  0.06735231888334947
test :  -0.012116863497556363
====================
('windspeed', 'hour')
train :  0.5454843269854666
test :  0.4981731533709608
====================
('year', 'month')
train :  0.14949221759923648
test :  0.13777955850772106
====================
('year', 'day')
train :  0.06481644985431456
test :  0.07503715410081335
====================
('year', 'hour')
train :  0.6219452481465291
test :  0.6155966763154723
====================
('month', 'day')
train :  0.10347692407809816
test :  0.0417316959498103
====================
('month', 'hour')
train :  0.6344925826836026
test :  0.6095869000632028
====================
('day', 'hour')
train :  0.5278468147569957
test :  0.47347898020353973
====================

for c in combinations(f, 2):
    X_train, X_test, y_train, y_test = train_test_split(df[list(c)], df['count'], test_size=0.3)
    model = RandomForestRegressor()
    model.fit(X_train, y_train)
    train_score = model.score(X_train, y_train)
    test_score = model.score(X_test, y_test)
    result = {"combination" : str(c), "train" : train_score, "test" : test_score}
    all_result.append(result)
all_result

[{'combination': "('season', 'holiday')",
  'train': 0.06429541388996607,
  'test': 0.05439025396453023},
 {'combination': "('season', 'workingday')",
  'train': 0.06534159774564652,
  'test': 0.05273019184958949},
 {'combination': "('season', 'weather')",
  'train': 0.08216391857162053,
  'test': 0.07265795524806051},
 {'combination': "('season', 'temp')",
  'train': 0.2351771066164272,
  'test': 0.20490765892966023},
 {'combination': "('season', 'humidity')",
  'train': 0.2856744999467695,
  'test': 0.24563783000940131},
 {'combination': "('season', 'windspeed')",
  'train': 0.09543727422483361,
  'test': 0.08810482783949436},
 {'combination': "('season', 'year')",
  'train': 0.13202699951491037,
  'test': 0.12640899224946056},
 {'combination': "('season', 'month')",
  'train': 0.0741459578302236,
  'test': 0.06991633720348411},
 {'combination': "('season', 'day')",
  'train': 0.07435037626015506,
  'test': 0.04502838971546008},
 {'combination': "('season', 'hour')",
  'train': 0.6064060557910389,
  'test': 0.6161882221308241},
 {'combination': "('holiday', 'workingday')",
  'train': 9.283914579183428e-05,
  'test': -0.0006753884944799005},
 {'combination': "('holiday', 'weather')",
  'train': 0.01698704128836559,
  'test': 0.020411523484866634},
 {'combination': "('holiday', 'temp')",
  'train': 0.17543847668694112,
  'test': 0.16892160464232586},
 {'combination': "('holiday', 'humidity')",
  'train': 0.1519459899428811,
  'test': 0.08329276861928858},
 {'combination': "('holiday', 'windspeed')",
  'train': 0.022829782512737373,
  'test': 0.008072210959060855},
 {'combination': "('holiday', 'year')",
  'train': 0.07105795444215501,
  'test': 0.06048052370486012},
 {'combination': "('holiday', 'month')",
  'train': 0.07507252836735323,
  'test': 0.06951961287107877},
 {'combination': "('holiday', 'day')",
  'train': 0.0068259510156423175,
  'test': 0.003024065717116664},
 {'combination': "('holiday', 'hour')",
  'train': 0.5228490974196865,
  'test': 0.5080892804225323},
 {'combination': "('workingday', 'weather')",
  'train': 0.020828301449846043,
  'test': 0.011411014014170995},
 {'combination': "('workingday', 'temp')",
  'train': 0.17502869489703998,
  'test': 0.17364869335565458},
 {'combination': "('workingday', 'humidity')",
  'train': 0.14476689394463738,
  'test': 0.12851029339806597},
 {'combination': "('workingday', 'windspeed')",
  'train': 0.023235429159391696,
  'test': 0.01615716563294245},
 {'combination': "('workingday', 'year')",
  'train': 0.07277112893558291,
  'test': 0.05661629910846899},
 {'combination': "('workingday', 'month')",
  'train': 0.07715409638606674,
  'test': 0.06466835772871471},
 {'combination': "('workingday', 'day')",
  'train': 0.005231127635079602,
  'test': -0.0036445773889950406},
 {'combination': "('workingday', 'hour')",
  'train': 0.65163346772907,
  'test': 0.65980453848609},
 {'combination': "('weather', 'temp')",
  'train': 0.1952024653027693,
  'test': 0.16654321420746143},
 {'combination': "('weather', 'humidity')",
  'train': 0.15658685847221743,
  'test': 0.10298867496824105},
 {'combination': "('weather', 'windspeed')",
  'train': 0.0474964097877556,
  'test': 0.02771650824026939},
 {'combination': "('weather', 'year')",
  'train': 0.09116637560345542,
  'test': 0.07078163179731245},
 {'combination': "('weather', 'month')",
  'train': 0.09422581958616993,
  'test': 0.09301492937102684},
 {'combination': "('weather', 'day')",
  'train': 0.02716329585565125,
  'test': 0.019863988688087142},
 {'combination': "('weather', 'hour')",
  'train': 0.5558689455886267,
  'test': 0.5285109716235332},
 {'combination': "('temp', 'humidity')",
  'train': 0.37535892235591173,
  'test': 0.23880588782898804},
 {'combination': "('temp', 'windspeed')",
  'train': 0.25899025839398493,
  'test': 0.12629183224336316},
 {'combination': "('temp', 'year')",
  'train': 0.2356678407766435,
  'test': 0.22465200787573958},
 {'combination': "('temp', 'month')",
  'train': 0.28378494720565084,
  'test': 0.2352749739844313},
 {'combination': "('temp', 'day')",
  'train': 0.2698911501769191,
  'test': 0.13544182234706081},
 {'combination': "('temp', 'hour')",
  'train': 0.6904494294728518,
  'test': 0.5739633601701017},
 {'combination': "('humidity', 'windspeed')",
  'train': 0.2705701220348399,
  'test': 0.01345498635788167},
 {'combination': "('humidity', 'year')",
  'train': 0.20736843182661158,
  'test': 0.17373936030535997},
 {'combination': "('humidity', 'month')",
  'train': 0.386774099530133,
  'test': 0.2711809725326212},
 {'combination': "('humidity', 'day')",
  'train': 0.31456450734972696,
  'test': 0.06626831878009554},
 {'combination': "('humidity', 'hour')",
  'train': 0.6484746860145716,
  'test': 0.4599222799053242},
 {'combination': "('windspeed', 'year')",
  'train': 0.094354903191749,
  'test': 0.0771786967680903},
 {'combination': "('windspeed', 'month')",
  'train': 0.13161596556156407,
  'test': 0.08218792527707564},
 {'combination': "('windspeed', 'day')",
  'train': 0.07047871647514425,
  'test': -0.018641448646160574},
 {'combination': "('windspeed', 'hour')",
  'train': 0.553397149647815,
  'test': 0.48190568850884374},
 {'combination': "('year', 'month')",
  'train': 0.14710504454494133,
  'test': 0.1424721899303245},
 {'combination': "('year', 'day')",
  'train': 0.07342932178624018,
  'test': 0.05346903169933215},
 {'combination': "('year', 'hour')",
  'train': 0.6208178463861078,
  'test': 0.6179964590935694},
 {'combination': "('month', 'day')",
  'train': 0.09841937927428457,
  'test': 0.05207547071903362},
 {'combination': "('month', 'hour')",
  'train': 0.6386774092912783,
  'test': 0.6014056338728897},
 {'combination': "('day', 'hour')",
  'train': 0.5235915799173942,
  'test': 0.48925313013863636}]

# test 를 기준으로 오름차순으로 정렬
result_df = pd.DataFrame(all_result).sort_values(by="test")

# test 의 점수가 가장 높은 5가지를 확인
result_df.tail()

fe = ['season', 'holiday', 'workingday', 'weather', 'temp',
       'humidity', 'windspeed', 'year', 'month', 'day', 'hour']

# 가장 좋은 조합
best_f = ["workingday", "hour"]

all_result = []
for f in fe:
    # 가장 좋은 조합을 확인하기 위해
    # feature 하나씩 추가해서 확인
    best_f.append(f)
    # print(best_f)

    X_train, X_test, y_train, y_test = train_test_split(df[best_f], df['count'], test_size=0.3)
    model = RandomForestRegressor()
    model.fit(X_train, y_train)
    train_s = model.score(X_train, y_train)
    test_s = model.score(X_test, y_test)

    result = {"combin" : best_f.copy(), "train" : train_s, "test" : test_s}
    all_result.append(result)

    # 다음 feature를 넣어서 확인하기 위해 마지막에 넣은 feature 제거
    best_f.pop()
    # print(best_f)

all_result

[{'combin': ['workingday', 'hour', 'season'],
  'train': 0.7580913458160565,
  'test': 0.7440944945103845},
 {'combin': ['workingday', 'hour', 'holiday'],
  'train': 0.6650019150696596,
  'test': 0.6345567260841918},
 {'combin': ['workingday', 'hour', 'workingday'],
  'train': 0.6590593073097475,
  'test': 0.6431016423118261},
 {'combin': ['workingday', 'hour', 'weather'],
  'train': 0.6926684259802643,
  'test': 0.6668174416876799},
 {'combin': ['workingday', 'hour', 'temp'],
  'train': 0.8323620614455098,
  'test': 0.7295907373392445},
 {'combin': ['workingday', 'hour', 'humidity'],
  'train': 0.8004993632245669,
  'test': 0.600456524550598},
 {'combin': ['workingday', 'hour', 'windspeed'],
  'train': 0.6990780034197865,
  'test': 0.6266172439536393},
 {'combin': ['workingday', 'hour', 'year'],
  'train': 0.767761505426242,
  'test': 0.7636787124282669},
 {'combin': ['workingday', 'hour', 'month'],
  'train': 0.7863534443871265,
  'test': 0.7419456112733107},
 {'combin': ['workingday', 'hour', 'day'],
  'train': 0.6762676095319997,
  'test': 0.5931861225822459},
 {'combin': ['workingday', 'hour', 'hour'],
  'train': 0.6560251705446849,
  'test': 0.6500550217881965}]

# test 를 기준으로 오름차순으로 정렬
result_df = pd.DataFrame(all_result).sort_values(by="test")

# test 의 점수가 가장 높은 5가지를 확인
result_df.tail()

# 함수로 위 과정 처리
def features_select(feature, best_f):
    all_result = []
    for f in feature:
        # 가장 좋은 조합을 확인하기 위해
        # feature 하나씩 추가해서 확인
        best_f.append(f)
        # print(best_f)
    
        X_train, X_test, y_train, y_test = train_test_split(df[best_f], df['count'], test_size=0.3)
        model = RandomForestRegressor()
        model.fit(X_train, y_train)
        train_s = model.score(X_train, y_train)
        test_s = model.score(X_test, y_test)
    
        result = {"combin" : best_f.copy(), "train" : train_s, "test" : test_s}
        all_result.append(result)
    
        # 다음 feature를 넣어서 확인하기 위해 마지막에 넣은 feature 제거
        best_f.pop()
        # print(best_f)
    return all_result;

fe = ['season', 'holiday', 'workingday', 'weather', 'temp',
       'humidity', 'windspeed', 'month', 'day', 'hour']

# 가장 좋은 조합
best_f = ["workingday", "hour", "year"]

# test 를 기준으로 오름차순으로 정렬
result_df = pd.DataFrame(features_select(fe, best_f)).sort_values(by="test")

# test 의 점수가 가장 높은 5가지를 확인
result_df.tail()

# 이제 후진 선택법을 사용해 볼 것임

fe = ['season', 'holiday', 'workingday', 'weather', 'temp',
       'humidity', 'windspeed', 'month', 'day', 'hour', "workingday", "hour", "year"]

# best_f = []

all_result = []

for c in combinations(fe, len(fe)-1):
    # feature 에서 전체 컬럼의 수 -1 을 해서 하나씩 빼가면서
    # 테스트를 해보겠다는 뜻
    target = list(c)
    # print(target)
    X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)
    model = RandomForestRegressor()
    model.fit(X_train, y_train)
    train_s = model.score(X_train, y_train)
    test_s = model.score(X_test, y_test)

    dropped = set(fe) - set(target)
    result = {"dropped":dropped, "train":train_s, "test":test_s}
    all_result.append(result)

result_df = pd.DataFrame(all_result).sort_values(by="test")
result_df

fe = ['season', 'holiday', 'workingday', 'weather', 'temp',
       'humidity', 'windspeed', 'month', 'day', 'hour', "workingday", "hour", "year"]

from sklearn.feature_selection import RFE

model = RandomForestRegressor()

rfe = RFE( estimator = model )
rfe.fit(X_train, y_train)

rfe_df = pd.DataFrame()
rfe_df["ranking"] = rfe.ranking_
rfe_df["features"] = X_train.columns
rfe_df

# ranking 이 높을수록 결과 값에 영향을 크게 미치는
# 중요한 컬럼들
rfe_df.sort_values(by="ranking")

feature = ['workingday', 'temp', 'humidity', 'year', 'month', 'hour', 'atemp']

model = RandomForestRegressor()
model.fit(X_train, y_train)
print("train : ", model.score(X_train, y_train))
print("test : ", model.score(X_test, y_test))
# 모든 컬럼을 사용했을때 평가점수

train :  0.9918053687355339
test :  0.9402065652970045

X_train.columns

Index(['season', 'holiday', 'workingday', 'weather', 'temp', 'atemp',
       'humidity', 'windspeed', 'year', 'month', 'day', 'hour'],
      dtype='object')

X_tr, X_te, y_tr, y_te = train_test_split(df[feature], df[l], test_size=0.3)

model = RandomForestRegressor()
model.fit(X_tr, y_tr)
print("train : ", model.score(X_tr, y_tr))
print("test : ", model.score(X_te, y_te))
# 결과에 영향을 크게 주는 컬럼들을 사용했을때 평가 점수

train :  0.9895003195998577
test :  0.9279685991163032

# embed 방식 변수 선택법을 확인해볼 것임
model = RandomForestRegressor()
model.fit(X_train, y_train)

print("train : ", model.score(X_train, y_train))
print("test : ", model.score(X_test, y_test))
print(model.feature_importances_)
print(X_train.columns)

train :  0.9917659298573632
test :  0.9393860178830495
[0.01127486 0.00352902 0.07385774 0.01356585 0.09019879 0.02357791
 0.02972932 0.00938863 0.08657932 0.03626527 0.01343145 0.60860183]
Index(['season', 'holiday', 'workingday', 'weather', 'temp', 'atemp',
       'humidity', 'windspeed', 'year', 'month', 'day', 'hour'],
      dtype='object')

df_1 = pd.DataFrame()
# feature_importances 는 Tree 계열 알고리즘에서만 존재한다
# 이 방법이 embed 방법!!
df_1['rank'] = model.feature_importances_
df_1['feature'] = X_train.columns
df_1.sort_values(by="rank", ascending=False)

f = ['hour', 'temp', 'year', 'workingday', 'month', 'humidity']
X_train, X_test, y_train, y_test = train_test_split(df[f], df[l], test_size=0.3)
model = RandomForestRegressor()
model.fit(X_train, y_train)

print("train : ", model.score(X_train, y_train))
print("test : ", model.score(X_test, y_test))

train :  0.9889267902576386
test :  0.9297102519637512

# 회귀란? 최적의 선을 찾는것...!!!
# 최적의 선이랑 예측 값의 선....
# 예측 값의 선으로 부터 결과 값들의 거리가 작을수록 좋은 예측이다

import pandas as pd
import numpy as np
import warnings
warnings.filterwarnings("ignore")

df = pd.read_csv("../data_set/6.회귀/HousingData.csv")
df.head()

from sklearn.model_selection import train_test_split

y = df['MEDV']
X = df.drop(["MEDV"], axis=1)

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)

from sklearn.neighbors import KNeighborsRegressor

kn = KNeighborsRegressor()
kn.fit(X_train, y_train)

KNeighborsRegressor()

KNeighborsRegressor()

pred = kn.predict( X_test )
pred

array([23.46, 15.06, 23.38, 25.44, 22.14, 16.52, 20.02, 28.02, 23.52,
       21.5 , 41.54, 16.52, 23.9 , 29.94, 23.56, 17.32, 21.46, 24.3 ,
       14.84, 28.64, 23.46, 24.78, 17.92, 29.26, 18.62, 20.6 , 20.56,
       20.64, 18.32, 15.54, 11.68, 18.32, 28.72, 39.32, 38.  , 20.16,
       27.36, 20.98, 23.94, 24.06, 30.38,  9.96, 16.64, 34.9 , 28.76,
       15.4 , 30.02, 23.82, 13.26, 10.56, 28.02, 33.18, 20.88, 22.62,
       28.36, 24.56, 23.16, 21.64, 26.14, 11.14, 28.06, 15.2 , 21.5 ,
       13.26, 12.88, 13.34, 25.38, 12.3 , 13.28, 26.44, 23.96, 28.22,
       31.48, 18.24, 15.4 , 28.42, 24.46, 23.9 , 21.72, 34.34, 16.84,
        8.2 , 28.02, 23.36, 20.7 , 32.32, 12.34, 28.26, 15.4 , 29.  ,
       20.9 , 29.86, 23.  , 21.5 , 21.5 , 22.08, 20.96, 20.76, 28.06,
       13.1 , 17.96, 19.58, 14.76, 18.62, 11.92, 11.46, 18.14, 36.86,
       29.04, 22.48, 29.82, 25.52, 24.82, 14.68, 29.96, 28.02, 21.12,
       10.8 , 22.68, 20.7 , 30.34, 10.04, 21.64, 41.54, 12.32, 21.58,
       19.94, 31.92, 22.12, 11.82, 24.78, 19.26, 25.38, 36.18, 29.66,
       16.74, 22.38, 20.12, 41.54, 11.94, 22.42, 12.18, 17.76, 25.48,
       17.58, 27.02, 22.48, 24.66, 35.24, 27.82, 22.68, 40.16])

y_test

63     25.0
417    10.4
339    19.0
84     23.9
215    25.0
       ... 
294    21.7
232    41.7
150    21.5
172    23.1
94     20.6
Name: MEDV, Length: 152, dtype: float64

from sklearn.metrics import mean_squared_error, r2_score

mse = mean_squared_error(y_test, pred)
r2 = r2_score(y_test, pred)

print("mse : ", mse)
print("r2 : ", r2)
print("score : ", kn.score(X_train, y_train))
print("score : ", kn.score(X_test, y_test))

# mse 는 0과 가까울 수록 좋은 결과
# r2, score 는 높을 수록 좋은 결과

mse :  43.82906578947368
r2 :  0.5349249633916936
score :  0.6057676219071229
score :  0.5349249633916936

from sklearn.ensemble import RandomForestRegressor

rfr = RandomForestRegressor()

rfr.fit(X_train, y_train)

RandomForestRegressor()

RandomForestRegressor()

pred = rfr.predict( X_test )
mse = mean_squared_error(y_test, pred)
r2 = r2_score(y_test, pred)

print("mse : ", mse)
print("r2 : ", r2)
print("score : ", rfr.score(X_train, y_train))
print("score : ", rfr.score(X_test, y_test))

mse :  13.420632730263165
r2 :  0.857592190344317
score :  0.9701950979154201
score :  0.857592190344317

df = pd.read_csv("../data_set/6.회귀/data.csv")
df.head()

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 10886 entries, 0 to 10885
Data columns (total 12 columns):
 #   Column      Non-Null Count  Dtype  
---  ------      --------------  -----  
 0   datetime    10886 non-null  object 
 1   season      10886 non-null  int64  
 2   holiday     10886 non-null  int64  
 3   workingday  10886 non-null  int64  
 4   weather     10886 non-null  int64  
 5   temp        10886 non-null  float64
 6   atemp       10886 non-null  float64
 7   humidity    10886 non-null  int64  
 8   windspeed   10886 non-null  float64
 9   casual      10886 non-null  int64  
 10  registered  10886 non-null  int64  
 11  count       10886 non-null  int64  
dtypes: float64(3), int64(8), object(1)
memory usage: 1020.7+ KB

# 문자열(object) 형식으로 저장되어 있던 datetime 을
# datetime 자료형으로 변환
df['datetime'] = df['datetime'].apply(pd.to_datetime)

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 10886 entries, 0 to 10885
Data columns (total 12 columns):
 #   Column      Non-Null Count  Dtype         
---  ------      --------------  -----         
 0   datetime    10886 non-null  datetime64[ns]
 1   season      10886 non-null  int64         
 2   holiday     10886 non-null  int64         
 3   workingday  10886 non-null  int64         
 4   weather     10886 non-null  int64         
 5   temp        10886 non-null  float64       
 6   atemp       10886 non-null  float64       
 7   humidity    10886 non-null  int64         
 8   windspeed   10886 non-null  float64       
 9   casual      10886 non-null  int64         
 10  registered  10886 non-null  int64         
 11  count       10886 non-null  int64         
dtypes: datetime64[ns](1), float64(3), int64(8)
memory usage: 1020.7 KB

# 년 / 월 / 일 / 시
# 컬럼으로 따로 분리
df['year'] = df['datetime'].dt.year
df['month'] = df['datetime'].dt.month
df['day'] = df['datetime'].dt.day
df['hour'] = df['datetime'].dt.hour

df.head()

# 시간 별로 빌린 자전거 댓수의 합
d = df.groupby('hour').agg({"count":sum}).reset_index()
d

import seaborn as sns
import matplotlib.pyplot as plt

plt.figure(figsize=(7,5))
sns_result = sns.pointplot(data=d, x="hour", y="count")

plt.xticks(rotation=45)
plt.title("bicycle rental", fontsize=15, color="black")
plt.show()

# 휴일과 휴일이 아닌 날로 그룹화
d = df.groupby(['hour','workingday']).agg({"count":sum}).reset_index()
d.head()

# 1 : 주중
# 0 : 휴일 ( 토, 일 )
sns.pointplot(data=d, x="hour", y="count", hue="workingday")
plt.show()

# 시간대 별, 월 별로 확인
d = df.groupby(['hour','month']).agg({"count":sum}).reset_index()
d.head()

sns.pointplot(data=d, x="hour", y="count", hue="month")
plt.show()

# 시간대 별, 날씨 별로 확인
# weather : 1(맑음), 2(흐림), 3(가벼운 눈, 비), 4(심한 눈, 비)
d = df.groupby(['hour','weather']).agg({"count":sum}).reset_index()
d.head()
sns.pointplot(data=d, x="hour", y="count", hue="weather")
plt.show()

df.columns

Index(['datetime', 'season', 'holiday', 'workingday', 'weather', 'temp',
       'atemp', 'humidity', 'windspeed', 'casual', 'registered', 'count',
       'year', 'month', 'day', 'hour'],
      dtype='object')

f = ['season', 'holiday', 'workingday', 'weather', 'temp',
       'atemp', 'humidity', 'windspeed', 'year', 'month', 'day', 'hour']
l = 'count'
X, y = df[f], df[l]

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)

from sklearn.ensemble import RandomForestRegressor
rfr = RandomForestRegressor()
rfr.fit(X_train, y_train)
print("train : ", rfr.score(X_train, y_train))
print("test : ", rfr.score(X_test, y_test))

train :  0.9914114957469251
test :  0.9376778114053523

from sklearn.model_selection import GridSearchCV

params = {
    "n_estimators" : range(5, 100, 10), # 트리 갯수(알고리즘)
    "max_depth" : range(4, 11, 2), # 트리의 최대 깊이
    "min_samples_split" : range(4, 21, 4) # 립노드 조건 샘플 수
}

rfr = RandomForestRegressor()
grid_cv = GridSearchCV(rfr, param_grid=params, cv=3, n_jobs=-1)

grid_cv.fit(X_train, y_train)

print("최적의 파라미터 : ", grid_cv.best_params_)
print("train : ", grid_cv.score(X_train, y_train))
print("test : ", grid_cv.score(X_test, y_test))

최적의 파라미터 :  {'max_depth': 10, 'min_samples_split': 4, 'n_estimators': 75}
train :  0.9525772588841167
test :  0.9206851922918676

X.head(3)

# 대략 아래와 같은 상황에서는 자전거가 20대가 필요하겠다....!!
# 아래와 같은 계절, 흄, 날씨, 온도 등등등.... 에서
re = grid_cv.predict([[1, 0, 0, 1, 9.84, 14.395, 81, 0.0, 2011, 1, 1, 0]])
re[0]

20.63599993470582

int(re[0])

20

# 예제 : 두 값을 비교하기 위함
df_result = pd.DataFrame({"y_test ": [11,12,13,14,15,16,17,18,19],
                    "line_test" : [10,11,12,13,14,15,16,17,18]})

sns.lineplot(data = df_result)
plt.legend(labels=["Legend_Day1","Legend_Day2"])
# 실제 정답과 예측 정답 두가지를 넣고 lineplot를 이용하여 그리면 된다

<matplotlib.legend.Legend at 0x1b203e646d0>

grid_cv.predict(X_test)

array([147.88696059, 272.60793329,  18.18288773, ..., 197.27226131,
       415.09046011, 419.37438723])

y_test

7971     95
848     162
642      37
1023      1
6050    508
       ... 
5327     31
3742    121
4530    209
4375    209
8311    294
Name: count, Length: 3266, dtype: int64

range_start = 0
range_end = 30
line_test = grid_cv.predict(X_test)

y_test_reset = y_test[range_start : range_end].reset_index()
y_test_reset['pred_test'] = line_test[range_start : range_end]
y_test_reset['pred_test'] = y_test_reset['pred_test'].apply( int )

sns.lineplot( data = y_test_reset[['count', 'pred_test']])
plt.legend(labels = ['y_test', 'pred test'])

<matplotlib.legend.Legend at 0x1b20aae5b10>

import pandas as pd
from sklearn.preprocessing import StandardScaler

# 가상의 영화 평점 데이터
movie = {'daum':[2,4,6,8,10], 'naver':[1,2,3,4,5]}
mv = pd.DataFrame(movie)
mv

# standardscaler 를 사용해서
# 두 데이터 간의 범위를 줄인다
st = StandardScaler()
scaled = st.fit_transform(mv)
mv = pd.DataFrame(data = scaled, columns=['daum', 'naver'])
mv

# round() : 소숫점 범위를 잘라준다
round(scaled.std(), 2)

1.0

from sklearn.preprocessing import MinMaxScaler
mv = pd.DataFrame(movie)
mv

# MinMaxScaler 를 사용해
# 다른 두 값을 0 ~ 1 사이의 값으로
# 바꿔준다
m = MinMaxScaler()
min_max_mv = m.fit_transform(mv)
pd.DataFrame(min_max_mv, columns=['d', 'b'])

df = pd.read_csv("../data_set/5.스케일링/bank_train_clean.csv")
df.head()

df.columns

Index(['age', 'duration', 'campaign', 'pdays', 'previous', 'y'], dtype='object')

features = ['age', 'duration', 'campaign', 'pdays', 'previous']
label = 'y'

X, y = df[features], df[label]

from sklearn.model_selection import train_test_split

# 학습용 70%, 테스트용 30%
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)

from sklearn.ensemble import RandomForestClassifier

# 머신 생성
rfc = RandomForestClassifier()

# 머신 학습
rfc.fit(X_train, y_train);

print( "학습 데이터 : ", rfc.score(X_train, y_train) )

# 학습된 머신 테스트 결과
print( "test 데이터 : ", rfc.score(X_test, y_test) )

# 학습 데이터의 결과와 테스트 결과의 차이가 커지면
# 과적합 되었다라고 말한다

학습 데이터 :  0.9923847442095617
test 데이터 :  0.8815246240047184

from sklearn.neighbors import KNeighborsClassifier

# 머신 생성
kn = KNeighborsClassifier()

# 머신 학습
kn.fit(X_train, y_train)

print( "학습 데이터 : ", kn.score(X_train, y_train) )

# 학습된 머신 테스트 결과
print( "test 데이터 : ", kn.score(X_test, y_test) )

# 학습 데이터와 test 데이터 테스트 결과의
# 차이 폭이 적으므로 좋은 알고리즘이다....

학습 데이터 :  0.9139570891395709
test 데이터 :  0.8846210557357712

# 데이터 스케일링
sc = StandardScaler()
sc.fit( X )
X2 = sc.transform( X )
X2

array([[ 1.60696496,  0.0110161 , -0.56935064, -0.41145311, -0.25194037],
       [ 0.28852927, -0.41612696, -0.56935064, -0.41145311, -0.25194037],
       [-0.74738448, -0.70736086, -0.56935064, -0.41145311, -0.25194037],
       ...,
       [ 2.92540065,  3.37379688,  0.72181052,  1.43618859,  1.05047333],
       [ 1.51279098,  0.97014641,  0.39902023, -0.41145311, -0.25194037],
       [-0.37068857,  0.39932797, -0.24656035,  1.4761376 ,  4.52357654]])

X_train, X_test, y_train, y_test = train_test_split(X2, y, test_size=0.3)

# 머신 생성
rfc = RandomForestClassifier()

# 머신 학습
rfc.fit(X_train, y_train);

print( "학습 데이터 : ", rfc.score(X_train, y_train) )

# 학습된 머신 테스트 결과
print( "test 데이터 : ", rfc.score(X_test, y_test) )

# 스케일링된 데이터로 다시 테스트

학습 데이터 :  0.9919423642051379
test 데이터 :  0.8757003833677381

# 머신 생성
kn = KNeighborsClassifier()

# 머신 학습
kn.fit(X_train, y_train)

print( "학습 데이터 : ", kn.score(X_train, y_train) )

# 학습된 머신 테스트 결과
print( "test 데이터 : ", kn.score(X_test, y_test) )

# 스케일링된 데이터로 다시 테스트

학습 데이터 :  0.9128195405567668
test 데이터 :  0.8824830433500442

# fit_transform() 을 사용하여 스케일링
X2 = m.fit_transform( X )
X2

array([[0.51948052, 0.05307035, 0.        , 0.        , 0.        ],
       [0.33766234, 0.03070354, 0.        , 0.        , 0.        ],
       [0.19480519, 0.01545344, 0.        , 0.        , 0.        ],
       ...,
       [0.7012987 , 0.22915819, 0.06451613, 0.21215596, 0.01090909],
       [0.50649351, 0.10329402, 0.0483871 , 0.        , 0.        ],
       [0.24675325, 0.07340382, 0.01612903, 0.21674312, 0.04      ]])

X_train, X_test, y_train, y_test = train_test_split(X2, y, test_size=0.3)

# 머신 생성
rfc = RandomForestClassifier()

# 머신 학습
rfc.fit(X_train, y_train);

print( "학습 데이터 : ", rfc.score(X_train, y_train) )

# 학습된 머신 테스트 결과
print( "test 데이터 : ", rfc.score(X_test, y_test) )

# 스케일링된 데이터로 다시 테스트

학습 데이터 :  0.9916895756311814
test 데이터 :  0.8786493659687408

# 머신 생성
kn = KNeighborsClassifier()

# 머신 학습
kn.fit(X_train, y_train)

print( "학습 데이터 : ", kn.score(X_train, y_train) )

# 학습된 머신 테스트 결과
print( "test 데이터 : ", kn.score(X_test, y_test) )

# 스케일링된 데이터로 다시 테스트

학습 데이터 :  0.9158846020159889
test 데이터 :  0.8817457976997936

# corr() : 데이터 간의 상관관계를 확인
df.corr()

import seaborn as sns

# annot = True : 상관관계 숫자를 출력
sns.heatmap( df.corr(), annot=True )

<Axes: >

# features = ['age', 'duration', 'campaign', 'pdays', 'previous']
# features = ['age', 'duration', 'campaign', 'previous']
# features = ['age', 'campaign', 'previous']
features = ['age', 'campaign', 'previous']
label = 'y'
X, y = df[features], df[label]

sc = StandardScaler()
sc.fit( X )
X_scaler = sc.transform( X )

X_train, X_test, y_train, y_test = train_test_split(X_scaler, y, test_size=0.3)

rfc = RandomForestClassifier()
rfc.fit(X_train, y_train);
print( "학습 데이터 : ", rfc.score(X_train, y_train) )
print( "test 데이터 : ", rfc.score(X_test, y_test) )

kn = KNeighborsClassifier()
kn.fit(X_train, y_train)
print( "학습 데이터 : ", kn.score(X_train, y_train) )
print( "test 데이터 : ", kn.score(X_test, y_test) )

학습 데이터 :  0.8956615160994723
test 데이터 :  0.8768799764081392
학습 데이터 :  0.8799886245141719
test 데이터 :  0.8695812444706577

# 교차 검증이란?
#  : 70 퍼센트의 학습용 데이터를 다시 쪼개서 학습하고 쪼개서 학습한 단위를
#  : 단위 학습이 끝날 때마다 테스트를 진행

from sklearn.neighbors import KNeighborsClassifier
from sklearn.preprocessing import MinMaxScaler
from sklearn.model_selection import train_test_split
import pandas as pd
import warnings
warnings.filterwarnings("ignore")

df = pd.read_csv("../data_set/5.스케일링/titanic_cleaning.csv")
df.head()

df.columns

Index(['PassengerId', 'Survived', 'Pclass', 'Sex', 'Age', 'SibSp', 'Parch',
       'Fare'],
      dtype='object')

features = ['Pclass', 'Sex', 'Age', 'SibSp', 'Parch', 'Fare']
label = "Survived"
X, y = df[features], df[label]

minMaxScaler = MinMaxScaler()
minMaxScaler.fit(X)
X_scaler = minMaxScaler.transform(X)

# 학습용 80%, 테스트용 20%
X_train_minMax, X_test_minMax, y_train, y_test = train_test_split(X_scaler, y, test_size=0.2)

# 알고리즘 생성
knn = KNeighborsClassifier()

knn.fit(X_train_minMax, y_train)

print("train ", knn.score(X_train_minMax, y_train))
print("test ", knn.score(X_test_minMax, y_test))

train  0.8721910112359551
test  0.8212290502793296

k_param = range(1, 11)
train_list = []
test_list = []
for k in k_param:
    knn = KNeighborsClassifier( n_neighbors=k )
    knn.fit(X_train_minMax, y_train)
    # print("k : ", k, "train : ", knn.score(X_train_minMax, y_train), knn.score(X_test_minMax, y_test))
    train_list.append(knn.score(X_train_minMax, y_train))
    test_list.append(knn.score(X_test_minMax, y_test))

dic = {
    "k" : k_param,
    "train 정확도" : train_list,
    "test 정확도" : test_list
}

score_df = pd.DataFrame(dic)
score_df

import matplotlib.pyplot as plt
import seaborn as sns

plt.rc("font", family = "Malgun Gothic")

fig, ax = plt.subplots( figsize = (5,5) )

sns.lineplot( x="k", y="train 정확도", data=score_df )
sns.lineplot( x="k", y="test 정확도", data=score_df )

<Axes: xlabel='k', ylabel='train 정확도'>

from sklearn.model_selection import GridSearchCV

# params = {
#     "n_neighbors" : k_param
# }

params = {
    "n_neighbors" : range(1, 11),
    "metric" : ["manhattan", "euclidean"],
    "weights" : ["uniform", "distance"]
}

knn = KNeighborsClassifier()

grid_cv = GridSearchCV(knn, param_grid=params, cv=5, n_jobs=-1)
grid_cv.fit( X_train_minMax, y_train )
print("최적의 하이퍼 파라미터 : ", grid_cv.best_params_ )

print( grid_cv.score( X_train_minMax, y_train ) )
print( grid_cv.score( X_test_minMax, y_test ) )

최적의 하이퍼 파라미터 :  {'metric': 'manhattan', 'n_neighbors': 4, 'weights': 'uniform'}
0.8665730337078652
0.8379888268156425

knn = KNeighborsClassifier(n_neighbors=3, metric="manhattan", weights="uniform")
knn.fit( X_train_minMax, y_train )

print( knn.score( X_train_minMax, y_train ) )
print( knn.score( X_test_minMax, y_test ) )

0.8834269662921348
0.8268156424581006

from sklearn.ensemble import RandomForestClassifier

df = pd.read_csv("../data_set/5.스케일링/titanic_cleaning.csv")
df.head()

df.columns

Index(['PassengerId', 'Survived', 'Pclass', 'Sex', 'Age', 'SibSp', 'Parch',
       'Fare'],
      dtype='object')

f = ['Pclass', 'Sex', 'Age', 'SibSp', 'Parch', 'Fare']
label = "Survived"
X, y = df[f], df[label]

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)
rfc = RandomForestClassifier()
rfc.fit(X_train, y_train)
print("train : ", rfc.score(X_train, y_train))
print("test : ", rfc.score(X_test, y_test))

train :  0.9873595505617978
test :  0.8324022346368715

rfc = RandomForestClassifier(n_estimators=10, max_depth=10000, min_samples_leaf=10)
rfc.fit(X_train, y_train)
print("train : ", rfc.score(X_train, y_train))
print("test : ", rfc.score(X_test, y_test))

train :  0.8581460674157303
test :  0.8212290502793296

params = {
    "n_estimators" : range(10, 101, 10),
    "max_depth" : range(4, 11, 2),
    "min_samples_leaf" : range(5, 21, 5)
}
rfc = RandomForestClassifier()

grid_cv = GridSearchCV( rfc, param_grid=params, cv=3, n_jobs=-1 )
grid_cv.fit( X_train, y_train )
print("최적의 하이퍼파라미터 : ", grid_cv.best_params_)
print("train : ", grid_cv.score(X_train, y_train))
print("test : ", grid_cv.score(X_test, y_test))

최적의 하이퍼파라미터 :  {'max_depth': 8, 'min_samples_leaf': 5, 'n_estimators': 50}
train :  0.8764044943820225
test :  0.8156424581005587

grid_cv.predict( X_train )

array([1, 1, 1, 1, 0, 1, 0, 0, 1, 0, 1, 0, 0, 0, 0, 1, 0, 1, 0, 1, 0, 0,
       0, 0, 0, 0, 0, 0, 1, 0, 1, 0, 0, 1, 1, 0, 0, 1, 1, 1, 0, 0, 0, 0,
       0, 0, 0, 0, 0, 0, 1, 1, 0, 1, 1, 0, 1, 0, 0, 0, 1, 1, 1, 1, 0, 1,
       0, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 1, 0, 0, 1, 1,
       0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 1, 1, 1, 0, 0, 1, 0, 0,
       0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0,
       0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 1, 0, 1, 1, 1, 1, 1, 0, 0, 0,
       1, 0, 0, 0, 1, 0, 0, 1, 0, 1, 0, 1, 0, 1, 0, 0, 0, 0, 1, 0, 1, 1,
       0, 0, 1, 0, 0, 1, 0, 0, 1, 0, 0, 1, 0, 0, 1, 1, 0, 1, 1, 1, 1, 0,
       0, 0, 0, 0, 0, 1, 1, 1, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0,
       0, 0, 1, 1, 1, 1, 1, 0, 1, 0, 0, 1, 0, 0, 0, 0, 0, 1, 1, 0, 1, 0,
       0, 1, 0, 1, 0, 1, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0,
       0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 1, 0, 1, 0, 0, 0,
       0, 0, 1, 1, 1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0,
       0, 0, 0, 0, 0, 0, 1, 1, 1, 0, 1, 1, 0, 0, 1, 0, 0, 1, 1, 0, 1, 1,
       0, 1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0,
       0, 1, 1, 0, 1, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 1, 1, 0, 0, 0, 1, 1,
       0, 1, 0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 1, 0, 1, 0, 1, 0, 0, 0,
       1, 1, 0, 0, 0, 0, 0, 1, 0, 0, 1, 0, 0, 0, 0, 0, 1, 1, 1, 0, 0, 1,
       0, 1, 1, 1, 0, 0, 0, 0, 0, 1, 0, 1, 1, 0, 1, 1, 0, 1, 0, 0, 0, 0,
       1, 1, 0, 0, 0, 1, 0, 1, 0, 0, 1, 1, 1, 1, 1, 0, 0, 0, 0, 1, 0, 0,
       0, 1, 1, 1, 1, 0, 0, 0, 1, 0, 0, 1, 0, 0, 0, 0, 0, 1, 0, 1, 0, 0,
       0, 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 1,
       0, 1, 1, 0, 0, 0, 1, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 0, 1, 0, 1,
       0, 0, 0, 0, 1, 0, 0, 1, 0, 1, 0, 0, 0, 0, 1, 0, 0, 1, 0, 1, 1, 0,
       0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0,
       1, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 1, 1, 1, 1, 0, 0, 0, 0, 1, 0,
       0, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 1, 1, 0, 0, 0, 0, 0, 1, 0, 1, 1,
       1, 0, 1, 0, 1, 0, 0, 1, 0, 0, 1, 0, 0, 0, 0, 1, 0, 1, 0, 0, 1, 0,
       1, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 1, 0, 1, 1, 0, 1, 0, 0, 0, 0, 0,
       1, 1, 1, 0, 0, 0, 0, 0, 1, 0, 1, 0, 1, 1, 0, 1, 0, 1, 0, 0, 0, 0,
       1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 1, 1, 1,
       1, 0, 0, 0, 1, 0, 0, 1], dtype=int64)

from sklearn.ensemble import GradientBoostingClassifier
gb = GradientBoostingClassifier()
gb.fit(X_train, y_train)
print("train : ", gb.score(X_train, y_train))
print("test : ", gb.score(X_test, y_test))

train :  0.9044943820224719
test :  0.8212290502793296

gb = GradientBoostingClassifier( learning_rate=0.1, n_estimators=100, subsample=0.9 )
gb.fit(X_train, y_train)
print("train : ", gb.score(X_train, y_train))
print("test : ", gb.score(X_test, y_test))

train :  0.9058988764044944
test :  0.8324022346368715

import numpy as np

params = {
    "learning_rate" :[0.1, 0.3, 0.5, 0.7, 0.9],
    "n_estimators" : [100, 200, 300, 400, 500],
    "subsample" : np.arange(0.1, 1, 0.2)
}

gb = GradientBoostingClassifier()

grid_cv = GridSearchCV( gb, param_grid=params, cv=3, n_jobs=-1 )
grid_cv.fit(X_train, y_train)
print("파라미터 : ", grid_cv.best_params_)
print("train : ", grid_cv.score(X_train, y_train))
print("test : ", grid_cv.score(X_test, y_test))

파라미터 :  {'learning_rate': 0.1, 'n_estimators': 100, 'subsample': 0.5000000000000001}
train :  0.898876404494382
test :  0.8491620111731844

import pandas as pd
import warnings
warnings.filterwarnings("ignore")

df = pd.read_csv("../data_set/4.분류/apple_quality.csv")
df.head()

df["Quality"].unique()

array(['good', 'bad', nan], dtype=object)

df.isnull().sum()

A_id           1
Size           1
Weight         1
Sweetness      1
Crunchiness    1
Juiciness      1
Ripeness       1
Acidity        0
Quality        1
dtype: int64

df.shape

(4001, 9)

# 결측치가 있는 행을 모두 삭제
df.dropna(axis=0, inplace=True)

# 삭제 완료
df.isnull().sum()

A_id           0
Size           0
Weight         0
Sweetness      0
Crunchiness    0
Juiciness      0
Ripeness       0
Acidity        0
Quality        0
dtype: int64

df.columns

Index(['A_id', 'Size', 'Weight', 'Sweetness', 'Crunchiness', 'Juiciness',
       'Ripeness', 'Acidity', 'Quality'],
      dtype='object')

# 변수 ( features )
f = ['Size', 'Weight', 'Sweetness', 'Crunchiness', 'Juiciness',
       'Ripeness', 'Acidity']

# 정답 ( label )
l = 'Quality'

X, y = df[f], df[l]
X, y

(          Size    Weight  Sweetness  Crunchiness  Juiciness  Ripeness  \
 0    -3.970049 -2.512336   5.346330    -1.012009   1.844900  0.329840   
 1    -1.195217 -2.839257   3.664059     1.588232   0.853286  0.867530   
 2    -0.292024 -1.351282  -1.738429    -0.342616   2.838636 -0.038033   
 3    -0.657196 -2.271627   1.324874    -0.097875   3.637970 -3.413761   
 4     1.364217 -1.296612  -0.384658    -0.553006   3.030874 -1.303849   
 ...        ...       ...        ...          ...        ...       ...   
 3995  0.059386 -1.067408  -3.714549     0.473052   1.697986  2.244055   
 3996 -0.293118  1.949253  -0.204020    -0.640196   0.024523 -1.087900   
 3997 -2.634515 -2.138247  -2.440461     0.657223   2.199709  4.763859   
 3998 -4.008004 -1.779337   2.366397    -0.200329   2.161435  0.214488   
 3999  0.278540 -1.715505   0.121217    -1.154075   1.266677 -0.776571   
 
            Acidity  
 0     -0.491590483  
 1     -0.722809367  
 2      2.621636473  
 3      0.790723217  
 4      0.501984036  
 ...            ...  
 3995   0.137784369  
 3996   1.854235285  
 3997  -1.334611391  
 3998  -2.229719806  
 3999   1.599796456  
 
 [4000 rows x 7 columns],
 0       good
 1       good
 2        bad
 3       good
 4       good
         ... 
 3995     bad
 3996    good
 3997     bad
 3998    good
 3999    good
 Name: Quality, Length: 4000, dtype: object)

from sklearn.model_selection import train_test_split

# 학습용 70프로 할당
# 테스트용 30프로 할당
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)

print("총 갯수 : ", X.shape, y.shape)
print("학습 갯수 : ", X_train.shape, y_train.shape)
print("테스트 갯수 : ", X_test.shape, y_test.shape)

총 갯수 :  (4000, 7) (4000,)
학습 갯수 :  (2800, 7) (2800,)
테스트 갯수 :  (1200, 7) (1200,)

from sklearn.neighbors import KNeighborsClassifier
kn = KNeighborsClassifier()

# 문제와 정답 학습시키기
kn.fit(X_train, y_train)

# 테스트용으로 예측한 정답과 실제 정답을 비교한
# 정답률을 확인
# 90% 정답률 확인
kn.score(X_test, y_test)

0.9083333333333333

import sklearn.svm as svm
# linear(선형) 구조로 알고리즘을 학습
svm_linear = svm.SVC(kernel="linear")

# SVM 알고리즘을 사용하여 학습
svm_linear.fit(X_train, y_train)

# 테스트 결과
svm_linear.score(X_test, y_test)

0.7516666666666667

import sklearn.svm as svm
# rbf(비선형) 구조로 알고리즘을 학습
svm_linear = svm.SVC(kernel="rbf")

# SVM 알고리즘을 사용하여 학습
svm_linear.fit(X_train, y_train)

# 테스트 결과
svm_linear.score(X_test, y_test)

0.9091666666666667

# 학습 결과 비선형 알고리즘이 해당 데이터에서는
# 더 정확한 예측 값을 가져오므로 비선형 알고리즘을
# 사용해야 한다.... 라는 결론 도출

from sklearn.tree import DecisionTreeClassifier
dt = DecisionTreeClassifier()

# 학습
dt.fit(X_train, y_train)

# 정확도 확인
dt.score(X_test, y_test)

0.82

# probability=True : soft voting 시 참, 거짓이 아닌 확률을 참 : 70%, 거짓 : 30%
# 확률로 나타내준다
s = svm.SVC( kernel="rbf", probability=True )

s.fit(X_train, y_train)

k = KNeighborsClassifier()
k.fit(X_train, y_train)

d = DecisionTreeClassifier()
d.fit(X_train, y_train)

DecisionTreeClassifier()

DecisionTreeClassifier()

from sklearn.ensemble import VotingClassifier

# VotinClassifier 객체를 생성하여 각 알고리즘을 추합해서
# 알고리즘의 예측 값들을 가져와 결론을 도출할 수 있다
# soft voting 설정
vo = VotingClassifier( estimators=[("svc",s), ("knn",k), ("DecisionTree",d)], voting="soft")
vo.fit(X_train, y_train)

print("svm : ", s.score(X_test, y_test))
print("kn : ", k.score(X_test, y_test))
print("d : ", d.score(X_test, y_test))
print("vo : ", vo.score(X_test, y_test))

svm :  0.9091666666666667
kn :  0.9083333333333333
d :  0.8125
vo :  0.8933333333333333

# VotinClassifier 객체를 생성하여 각 알고리즘을 추합해서
# 알고리즘의 예측 값들을 가져와 결론을 도출할 수 있다
# hard voting 설정
vo = VotingClassifier( estimators=[("svc",s), ("knn",k), ("DecisionTree",d)], voting="hard")
vo.fit(X_train, y_train)

print("svm : ", s.score(X_test, y_test))
print("kn : ", k.score(X_test, y_test))
print("d : ", d.score(X_test, y_test))
print("vo : ", vo.score(X_test, y_test))

svm :  0.9091666666666667
kn :  0.9083333333333333
d :  0.8125
vo :  0.9075

from sklearn.ensemble import RandomForestClassifier

# 모델 생성
rfc = RandomForestClassifier()

# 모델 학습
rfc.fit(X_train, y_train)

# 학습 결과 테스트
rfc.score(X_test, y_test)

0.8991666666666667

from sklearn.ensemble import GradientBoostingClassifier

# 모델 생성
gbc = GradientBoostingClassifier()

# 모델 학습
gbc.fit(X_train, y_train)

# 학습 결과 테스트
gbc.score(X_test, y_test)

0.8666666666666667

df.head(2)

s.predict([[-3.970049, -2.512336, 5.346330, -1.012009, 1.844900, 0.32984, -0.491590483]])

array(['good'], dtype=object)

y_test = [0,1,1,0,0,0,1,1,1,1] #실제 정답
y_pred = [1,0,0,0,0,0,1,1,1,1]  #예측 정답

from sklearn.metrics import accuracy_score

# 단순히 몇개를 맞췄는지 확인하는 accuracy_score
# 아래와 같이 사용하면 % 로 정답률을 알려줌
acc = accuracy_score(y_test, y_pred)
acc

0.8

# 암인지 아닌지에 대한 Dataset
# 1 : 암에 걸림, 0 : 암에 걸리지 않음
y_test = [1,1,0,1,1,1,1,1,1,1] #실제 정답
y_pred = [0,1,1,1,1,1,1,1,1,1] #예측 정답

# 80% 정답률을 확인
acc = accuracy_score(y_test, y_pred)
acc

0.8

y_test = [0,0,0,1,1,1,1,1,1,1] #실제 정답
y_pred = [1,1,1,1,1,1,1,1,1,1] #예측 정답

from sklearn.metrics import recall_score

# 모델 생성 및 훈련
recall = recall_score(y_test, y_pred)
recall

# 실제 정답이 1 즉, 의미 있는 결과 값이 나온것에 대한
# 정답률만을 출력....
# 0 에 대한 정답률은 출력하지 않음
# 고로 0 : 암에 걸리지 않음, 1 : 암에 걸림 이라면
# 암에 걸린 사람들에 대한 예측 결과만 100% 로 맞추고
# 암에 걸리지 않은 사람들에 대한 예측결과는 50% 로 맞췄다면
# 결과는 100% 로 출력된다

1.0

y_test = [1,1,1,1,1,1,1,1,1,1] #실제 스팸 문자
y_pred = [0,0,0,1,1,1,1,1,1,1] #예측 스팸 문자

recall = recall_score(y_test, y_pred)
recall

0.7

y_test = [0,0,0,1,1,1,1,1,1,1] #실제 스팸 문자
y_pred = [1,1,1,1,1,1,1,1,1,1] #예측 스팸 문자

recall = recall_score(y_test, y_pred)
recall

# 메일의 경우는 recall 로 처리하면 안된다...
# 정답률이 100% 로 나오기 때문에 실제 스팸 문자가 아닌데
# 스팸 문자로 처리될 수 있기 때문...!!!

1.0

y_test = [1,1,1,1,1,1,1,1,1,1] #실제 스팸 문자
y_pred = [0,0,0,1,1,1,1,1,1,1] #예측 스팸 문자

from sklearn.metrics import precision_score
p = precision_score(y_test, y_pred)
p

# 정밀도를 기준으로 판단은 예측 값이 1인 경우의 정답률만을 확인
# 고로, 예측한 스팸 문자가 실제로 스팸문자 인지만 확인하여
# 정답률을 출력한다....

# 스팸메일이 아닌 문자로 예측한 문자에 대한 정답률은 확인하지 않는다

1.0

y_test = [0,0,1,1,1,1,1,1,1,1] #실제 스팸 문자
y_pred = [1,1,0,1,1,1,1,1,1,1] #예측 스팸 문자

p = precision_score(y_test, y_pred)
p

# 스팸문자라고 예측한 값이 실제 스팸문자가 아닌 경우가 생겼기 때문에
# 예측 정답률이 1.0 이 아니게 된다

0.7777777777777778

y_test = [0,0,1,1,1,1,1,1,1,1] #실제 스팸 문자
y_pred = [1,1,1,1,1,1,1,1,1,1] #예측 스팸 문자

from sklearn.metrics import f1_score

acc = accuracy_score(y_test, y_pred)
recall = recall_score(y_test, y_pred)
pre = precision_score(y_test, y_pred)
f1 = f1_score(y_test, y_pred)

print("accuracy(정확도) : ", acc)
print("recall(재현율) : ", recall)
print("precision(정밀도) : ", pre)
print("f1 score : ", f1)

# f1 은 recall 과 precision 의 결과를 혼합해서 정답률을 출력한다

accuracy(정확도) :  0.8
recall(재현율) :  1.0
precision(정밀도) :  0.8
f1 score :  0.888888888888889

import pandas as pd

# sep = "\t" : tab 을 기준으로 데이터를 가지고 옴
df = pd.read_csv("../data_set/3.시각화/report.txt", sep="\t")
df.head()

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 52 entries, 0 to 51
Data columns (total 9 columns):
 #   Column             Non-Null Count  Dtype  
---  ------             --------------  -----  
 0   기간                 52 non-null     int64  
 1   대분류                52 non-null     object 
 2   분류                 52 non-null     object 
 3   운동을 할 충분한 시간이 없어서  52 non-null     float64
 4   함께 운동을 할 사람이 없어서   52 non-null     float64
 5   운동을 할 만한 장소가 없어서   52 non-null     float64
 6   운동을 싫어해서           52 non-null     float64
 7   운동을 할 충분한 비용이 없어서  52 non-null     float64
 8   기타                 52 non-null     object 
dtypes: float64(5), int64(1), object(3)
memory usage: 3.8+ KB

# 각 컬럼의 결측치 값의 갯수 확인
df.isnull().sum()

기간                   0
대분류                  0
분류                   0
운동을 할 충분한 시간이 없어서    0
함께 운동을 할 사람이 없어서     0
운동을 할 만한 장소가 없어서     0
운동을 싫어해서             0
운동을 할 충분한 비용이 없어서    0
기타                   0
dtype: int64

df.describe()

# 컬럼 확인
# 운동을 할 충분한 시간이 없어서, 함께 운동을 할 사람이 없어서 컬럼 등은
# 내가 운동시설을 만든다고 가정할 때 중요한 컬럼이 아니기 때문에 제거할 것임
df.columns

Index(['기간', '대분류', '분류', '운동을 할 충분한 시간이 없어서', '함께 운동을 할 사람이 없어서',
       '운동을 할 만한 장소가 없어서', '운동을 싫어해서', '운동을 할 충분한 비용이 없어서', '기타'],
      dtype='object')

# 사용하지 않을 컬럼을 label 에 저장
label = ['기간', '분류', '운동을 할 충분한 시간이 없어서', '함께 운동을 할 사람이 없어서',
       '운동을 싫어해서', '기타']

# axis=1 로 label 에 들어있는 값을 가진 열을 삭제
df.drop(labels=label, axis=1, inplace=True)
df.columns

Index(['대분류', '운동을 할 만한 장소가 없어서', '운동을 할 충분한 비용이 없어서'], dtype='object')

df['대분류']

0       서울시
1        성별
2        성별
3       연령별
4       연령별
5       연령별
6       연령별
7       연령별
8       연령별
9       학력별
10      학력별
11      학력별
12      학력별
13      소득별
14      소득별
15      소득별
16      소득별
17      소득별
18      소득별
19    혼인상태별
20    혼인상태별
21    혼인상태별
22    지역대분류
23    지역대분류
24    지역대분류
25    지역대분류
26    지역대분류
27      종로구
28       중구
29      용산구
30      성동구
31      광진구
32     동대문구
33      중랑구
34      성북구
35      강북구
36      도봉구
37      노원구
38      은평구
39     서대문구
40      마포구
41      양천구
42      강서구
43      구로구
44      금천구
45     영등포구
46      동작구
47      관악구
48      서초구
49      강남구
50      송파구
51      강동구
Name: 대분류, dtype: object

# 대분류의 값이 "구" 로 끝나는 문자가 아닌 값을 가져와라
# ~ 를 앞에 사용하여 "구"로 끝나는 문자가 아닌 것들을 가져옴
del_index = df[ ~df['대분류'].str.endswith("구")].index
del_index

Index([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16, 17,
       18, 19, 20, 21, 22, 23, 24, 25, 26],
      dtype='int64')

df.loc[ del_index ]

# 대분류 컬럼의 "구" 로 끝나지 않는 행을 모두 삭제
df.drop( del_index, inplace=True )
df

# 대분류에 중복된 데이터의 합을 구해옴
# 결과가 0 이므로 대분류 컬럼엔 중복된 데이터가 없음
df["대분류"].duplicated().sum()

0

import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings("ignore")

plt.rc("font", family="Malgun Gothic")

fig, ax = plt.subplots(2,1, figsize=(10,7))
g = sns.barplot( x="대분류", y="운동을 할 만한 장소가 없어서", data=df, ax=ax[0], hue="대분류")
g.set_xticklabels(g.get_xticklabels(), rotation = 30)

g1 = sns.barplot( x="대분류", y="운동을 할 충분한 비용이 없어서", data=df, ax=ax[1], palette="rainbow")
g1.set_xticklabels(g.get_xticklabels(), rotation = 30)

plt.show()

# 운동을 할 만한 장소가 없어서의 데이터를 내림차순 하여 넣어주겠ek
df_sort = df.sort_values(by=["운동을 할 만한 장소가 없어서"], axis=0, ascending=False)
df_sort

df_sort.rename(columns={
    df_sort.columns[0] : "분류",
    df_sort.columns[1] : "장소부족",
    df_sort.columns[2] : "비용부족"}, inplace=True )
df_sort

df_sort.describe()

from sklearn.preprocessing import MinMaxScaler

movie = {"daum" : [2, 4, 6, 8, 10], "naver" : [1, 3, 3, 2, 5]}
mv = pd.DataFrame(movie)
mv

# 스케일을 표준화
min_max_scaler = MinMaxScaler()
mv_sc = min_max_scaler.fit_transform(mv)
mv_sc

array([[0.  , 0.  ],
       [0.25, 0.5 ],
       [0.5 , 0.5 ],
       [0.75, 0.25],
       [1.  , 1.  ]])

# 표준화된 데이터 출력
pd.DataFrame(mv_sc, columns=["daum", "naver"])

# 데이터 표준화
min_max_s = MinMaxScaler()
min_max_df = min_max_s.fit_transform(df_sort[["장소부족", "비용부족"]])
min_max_df

array([[1.        , 0.02222222],
       [0.87804878, 0.63333333],
       [0.79268293, 0.63333333],
       [0.74390244, 0.5       ],
       [0.68292683, 1.        ],
       [0.6097561 , 0.63333333],
       [0.57317073, 0.24444444],
       [0.56097561, 0.11111111],
       [0.54878049, 0.75555556],
       [0.52439024, 0.46666667],
       [0.45121951, 0.08888889],
       [0.43902439, 0.72222222],
       [0.42682927, 0.14444444],
       [0.35365854, 0.15555556],
       [0.31707317, 0.38888889],
       [0.26829268, 0.        ],
       [0.2195122 , 0.43333333],
       [0.18292683, 0.        ],
       [0.18292683, 0.47777778],
       [0.17073171, 0.01111111],
       [0.13414634, 0.04444444],
       [0.13414634, 0.32222222],
       [0.09756098, 0.36666667],
       [0.08536585, 0.26666667],
       [0.        , 0.37777778]])

df_replace = pd.DataFrame(min_max_df, columns=["장소부족", "비용부족"])
df_replace

# min(최솟값), max(최댓값) 표준화 된 것 확인
# 둘 다 0, 1 로 변경
df_replace.describe()

# 분류 값을 추가
df_replace = pd.DataFrame(min_max_df, columns=["장소부족", "비용부족"])
df_replace["분류"] = df_sort["분류"].values
df_replace

# 컬럼의 순서를 변경하여 df_sort 에 저장
df_sort = df_replace[["분류", "장소부족", "비용부족"]]
df_sort

# 장소부족을 60% 가중치, 비용부족을 40% 가중치를 부여하여
# 종합점수라는 컬럼을 생성하여 저장
df_sort["종합점수"] = df_sort["장소부족"] * 0.6 + df_sort["비용부족"] * 0.4

# 종합점수의 내림차순을 기준으로 정렬
df_sort.sort_values(by="종합점수", ascending=False)

# 종합 점수를 기준으로 상위 5항목만 df_top5 에 저잠
df_top5 = df_sort.sort_values(by="종합점수", ascending=False).head()
df_top5

# 분류를 그룹을 기준으로 시각화
g = sns.barplot(x="분류", y="종합점수", data=df_top5, hue="분류")

# dataset 다시 들고와서 저장
# 성별을 가져와서 파악해볼 것임
df = pd.read_csv("../data_set/3.시각화/report.txt", sep="\t")
df

# 대분류의 성별 의 행만 가져옴
df_gender = df[df['대분류'].isin(["성별"])]
df_gender

features = [
    '운동을 할 충분한 시간이 없어서',
    '함께 운동을 할 사람이 없어서'
]

pg = sns.PairGrid( df_gender, y_vars="분류", x_vars=features, height=5, hue="분류")
pg.map(sns.barplot)

<seaborn.axisgrid.PairGrid at 0x20b60ef5990>

df_age = df[df["대분류"].isin(["연령별"]) ]
df_age

pg = sns.PairGrid( df_age, y_vars="분류", x_vars=features, height=5, hue="분류")
pg.map(sns.barplot)

<seaborn.axisgrid.PairGrid at 0x20b611fb2d0>

df_age["운동할 수 있음"] = df_age["운동을 할 충분한 시간이 없어서"].apply(lambda x: 100 - x)
df_age["함께 운동할 수 있음"] = df_age["함께 운동을 할 사람이 없어서"]
f = ["운동할 수 있음", "함께 운동할 수 있음"]

pg = sns.PairGrid( df_age, y_vars="분류", x_vars=features, height=5, hue="분류")
pg.map(sns.barplot)

<seaborn.axisgrid.PairGrid at 0x20b5cb14790>

df_age["종합점수"] = df_age["운동할 수 있음"] + df_age["함께 운동할 수 있음"]
f = ["운동할 수 있음", "함께 운동할 수 있음", "종합점수"]

pg = sns.PairGrid( df_age, y_vars="분류", x_vars=f, height=5, hue="분류")
pg.map(sns.barplot)
df_age[["분류", "종합점수"]]

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

# 경고 메세지를 숨겨주는 warnings
import warnings
warnings.filterwarnings("ignore")

# 한글 설정
plt.rc("font", family="Malgun Gothic")

# 시각화 기본 사이즈 정의
plt.rcParams["figure.figsize"] = (5, 3) #(가로, 세로)

x = [1,2,3,4,5,6,7,8,9,10]
y = [0, -0.5, -1.6 ,3 ,2.9 ,1.8 ,6, 6.4, 6.6, 10.4]
print(x)
y

[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

[0, -0.5, -1.6, 3, 2.9, 1.8, 6, 6.4, 6.6, 10.4]

# line 형태로 출력
plt.plot(x, y)

[<matplotlib.lines.Line2D at 0x193ab7db050>]

# 분포를 점으로 찍어서 출력
plt.scatter(x, y)

<matplotlib.collections.PathCollection at 0x193abf3ec10>

# bar 차트로 출력
plt.bar(x, y)

<BarContainer object of 10 artists>

data_1_x = [1,2,3]
data_1_y = [3,6,9]
data_2_x = [1,2,3]
data_2_y = [2,5,9]
plt.plot(data_1_x, data_1_y)
plt.plot(data_2_x, data_2_y)

# 타이틀(제목) 설정, 폰트 사이즈 설정
plt.title("타이틀 예시", fontsize=20)

Text(0.5, 1.0, '타이틀 예시')

# 그래프의 크기를 다시 지정하여 출력
fig, ax = plt.subplots(figsize=(10, 3))
ax.plot(data_1_x, data_1_y)
ax.plot(data_2_x, data_2_y)
ax.set_title("타이틀")

Text(0.5, 1.0, '타이틀')

plt.plot(data_1_x, data_1_y)
plt.plot(data_2_x, data_2_y)
plt.title("타이틀")

# x축을 90도 회전
plt.xticks(rotation=90)

# y축을 45도 회전
plt.yticks(rotation=45)

plt.show()

# 그래프의 크기를 다시 지정하여 출력
fig, ax = plt.subplots(figsize=(10, 3))
ax.plot(data_1_x, data_1_y)
ax.plot(data_2_x, data_2_y)
ax.set_title("타이틀")


ax.tick_params(axis="y", rotation=30)
ax.tick_params(axis="x", rotation=90)

plt.plot(data_1_x, data_1_y)
plt.plot(data_2_x, data_2_y)
plt.title("타이틀")

# 범례 설정
plt.legend(["legend1", "22222"], fontsize=10)

plt.show()

# 그래프의 크기를 다시 지정하여 출력
fig, ax = plt.subplots(figsize=(10, 3))

# 범례 이름 설정 1111, 2222
ax.plot(data_1_x, data_1_y, label='1111')
ax.plot(data_2_x, data_2_y, label='2222')
ax.set_title("타이틀")

# 범례 사이즈 설정
ax.legend(fontsize="20")

ax.tick_params(axis="y", rotation=30)
ax.tick_params(axis="x", rotation=90)

# 데이터를 1행, 2열로 출력
# 행 하나에 그래프가 2개 들어감
fg, ax = plt.subplots(1,2, figsize=(10,3))
ax[0].plot(data_1_x, data_1_y)
ax[1].scatter(x, y)

<matplotlib.collections.PathCollection at 0x193af1d7c10>

# 데이터를 2행, 1열로 출력
# 행 하나에 그래프가 2개씩 2줄 들어감
fg, ax = plt.subplots(2,2, figsize=(10,3))

# 위치를 [][] 로 표시
ax[0][0].plot(x, y)
ax[1][1].scatter(x, y)

<matplotlib.collections.PathCollection at 0x193af2d7c10>

# 데이터를 2행, 1열로 출력
# 행 하나에 그래프가 2개씩 2줄 들어감
fg, ax = plt.subplots(2,2, figsize=(10,3))

# 위치를 [][] 로 표시
ax[0][0].plot(x, y)
ax[1][1].scatter(x, y)
t_x = [10, 20, 30]

# pie 차트 출력
ax[0][1].pie(t_x, labels=["일", "이", "삼"])

h = [1, 1, 2, 3, 4, 5, 6, 7, 8, 9]
ax[1][0].hist(h, bins=9)

(array([2., 1., 1., 1., 1., 1., 1., 1., 1.]),
 array([1.        , 1.88888889, 2.77777778, 3.66666667, 4.55555556,
        5.44444444, 6.33333333, 7.22222222, 8.11111111, 9.        ]),
 <BarContainer object of 9 artists>)

import seaborn as sns

# seaborn 에서 기본으로 제공해주는 dataset 인 tips
#지불한 총 요금, 팁, 성별, 흡연, 날짜, 시간, 사이즈를 가지고 있다
tips = sns.load_dataset('tips')
tips

# 요일 확인
tips['day'].unique()

['Sun', 'Sat', 'Thur', 'Fri']
Categories (4, object): ['Thur', 'Fri', 'Sat', 'Sun']

# 요일 별로 그룹화해서 몇 명이 왔는지 카운트
tips.groupby("day").count()

group = tips.groupby("day").count()['total_bill']

# list 형으로 형변환
x = list(group.index)
y = list(group) # 갯수만 얻어옴

# 요일별 방문 사람 수 시각화
plt.bar(x, y)

<BarContainer object of 4 artists>

# 요일 별 총 금액 확인
group = tips.groupby("day")['total_bill'].sum()

# list 형으로 형변환
x = list(group.index)
y = list(group) # 갯수만 얻어옴

# 요일별 금액 확인
plt.bar(x, y)

<BarContainer object of 4 artists>

# 요일 별 총 금액 확인
group = tips.groupby("day")['total_bill'].sum()

# list 형으로 형변환
x = list(group.index)
y = list(group) # 갯수만 얻어옴

# 요일별 금액 확인
sns.barplot(x=x, y=y)

<Axes: >

tips.groupby('day').describe()

fig, axes = plt.subplots(1, 2, figsize=(10,3))

# palette : 색상 설정
# ci : 분포 삭제
sns.barplot(x="day", y="total_bill", data=tips, palette="deep", ax=axes[1], ci=None)

<Axes: xlabel='day', ylabel='total_bill'>

tips.head()

# 판매량 당 팁 발생 확인
sns.relplot(x = "total_bill", y = "tip", data = tips)

<seaborn.axisgrid.FacetGrid at 0x193b2af9ed0>

# hue 를 사용해서 요일 별로 그룹화하여 시각화해줌
sns.relplot(x = "total_bill", y = "tip", hue="day", data = tips)

<seaborn.axisgrid.FacetGrid at 0x193b905c250>

# 날짜 별로 그래프를 분리
sns.relplot(x = "total_bill", y = "tip", hue="day", data = tips, col="day")

<seaborn.axisgrid.FacetGrid at 0x193b9091710>

# scatterplot 을 사용해서도 요일 별로 그래프를 분류할 수 있다
sns.scatterplot(x = "total_bill", y = "tip", hue="day", data = tips)

<Axes: xlabel='total_bill', ylabel='tip'>

# scatterplot 의 타이틀 지정 ( 변수로 그래프를 저장하여 타이틀 지정해야 함 )
g = sns.scatterplot(x = "total_bill", y = "tip", hue="day", data = tips)
g.set_title("scatter test", fontsize=20, color="blue")

Text(0.5, 1.0, 'scatter test')

# lineplot 을 사용하여 선으로 그래프를 표현
g = sns.lineplot(x = "total_bill", y = "tip", hue="day", data = tips)

# titanic 에 대한 dataset 도 seaborn 에서 기본 제공
t = sns.load_dataset("titanic")
t.head()

# 연령별 탑승 수 확인
# color 를 skyblue 로 변환
sns.histplot(x="age", data=t, bins=10, color="skyblue")

<Axes: xlabel='age', ylabel='Count'>

# sns.barplot(x="sex", y="tip", data=tips)
r = sns.barplot(x=tips["sex"], y=tips["tip"])
r.set_xlabel("성별", fontsize=10)
r.set_ylabel("팁", fontsize=10)
r.set_title("bar")

Text(0.5, 1.0, 'bar')

sns.boxplot(x="day", y="tip", data=tips)

<Axes: xlabel='day', ylabel='tip'>

# 담배를 피는 사람과 피지 않는 사람의 팁 차이 를 요일별로 확인
sns.boxplot(x="day", y="tip", hue="smoker", data=tips)

<Axes: xlabel='day', ylabel='tip'>

# 각 컬럼의 상관관계를 확인
# tip 이 올라갈때 total_bill 이 올라가면
# 수치가 1과 가깝게 나옴
tips.corr(numeric_only=True)

# 각 컬럼의 상관관계를 시각화 ( heatmap 사용 )
# annot = True : 수치를 숫자로 나타내준다
# 수치가 0.7 이상이면 서로 깊은 연관관계가 있다
sns.heatmap(tips.corr(numeric_only=True), annot=True)

<Axes: >

!pip list

Package                           Version
--------------------------------- ------------
aiobotocore                       2.7.0
aiohttp                           3.9.3
aioitertools                      0.7.1
aiosignal                         1.2.0
alabaster                         0.7.12
altair                            5.0.1
anaconda-anon-usage               0.4.3
anaconda-catalogs                 0.2.0
anaconda-client                   1.12.3
anaconda-cloud-auth               0.1.4
anaconda-navigator                2.5.2
anaconda-project                  0.11.1
anyio                             4.2.0
appdirs                           1.4.4
archspec                          0.2.1
argon2-cffi                       21.3.0
argon2-cffi-bindings              21.2.0
arrow                             1.2.3
astroid                           2.14.2
astropy                           5.3.4
asttokens                         2.0.5
async-lru                         2.0.4
atomicwrites                      1.4.0
attrs                             23.1.0
Automat                           20.2.0
autopep8                          1.6.0
Babel                             2.11.0
backports.functools-lru-cache     1.6.4
backports.tempfile                1.0
backports.weakref                 1.0.post1
bcrypt                            3.2.0
beautifulsoup4                    4.12.2
binaryornot                       0.4.4
black                             23.11.0
bleach                            4.1.0
blinker                           1.6.2
bokeh                             3.3.4
boltons                           23.0.0
botocore                          1.31.64
Bottleneck                        1.3.7
Brotli                            1.0.9
cachetools                        4.2.2
certifi                           2024.2.2
cffi                              1.16.0
chardet                           4.0.0
charset-normalizer                2.0.4
click                             8.1.7
cloudpickle                       2.2.1
clyent                            1.2.2
colorama                          0.4.6
colorcet                          3.0.1
comm                              0.1.2
conda                             24.1.2
conda-build                       24.1.2
conda-content-trust               0.2.0
conda_index                       0.4.0
conda-libmamba-solver             24.1.0
conda-pack                        0.6.0
conda-package-handling            2.2.0
conda_package_streaming           0.9.0
conda-repo-cli                    1.0.75
conda-token                       0.4.0
conda-verify                      3.4.2
constantly                        23.10.4
contourpy                         1.2.0
cookiecutter                      2.5.0
cryptography                      42.0.2
cssselect                         1.2.0
cycler                            0.11.0
cytoolz                           0.12.2
dask                              2023.11.0
datashader                        0.16.0
debugpy                           1.6.7
decorator                         5.1.1
defusedxml                        0.7.1
diff-match-patch                  20200713
dill                              0.3.7
distributed                       2023.11.0
distro                            1.8.0
docstring-to-markdown             0.11
docutils                          0.18.1
entrypoints                       0.4
et-xmlfile                        1.1.0
executing                         0.8.3
fastjsonschema                    2.16.2
filelock                          3.13.1
flake8                            6.0.0
Flask                             2.2.5
fonttools                         4.25.0
frozenlist                        1.4.0
fsspec                            2023.10.0
future                            0.18.3
gensim                            4.3.0
gitdb                             4.0.7
GitPython                         3.1.37
gmpy2                             2.1.2
greenlet                          3.0.1
h5py                              3.9.0
HeapDict                          1.0.1
holoviews                         1.18.3
hvplot                            0.9.2
hyperlink                         21.0.0
idna                              3.4
imagecodecs                       2023.1.23
imageio                           2.33.1
imagesize                         1.4.1
imbalanced-learn                  0.11.0
importlib-metadata                7.0.1
incremental                       22.10.0
inflection                        0.5.1
iniconfig                         1.1.1
intake                            0.6.8
intervaltree                      3.1.0
ipykernel                         6.28.0
ipython                           8.20.0
ipython-genutils                  0.2.0
ipywidgets                        7.6.5
isort                             5.9.3
itemadapter                       0.3.0
itemloaders                       1.1.0
itsdangerous                      2.0.1
jaraco.classes                    3.2.1
jedi                              0.18.1
jellyfish                         1.0.1
Jinja2                            3.1.3
jmespath                          1.0.1
joblib                            1.2.0
json5                             0.9.6
jsonpatch                         1.32
jsonpointer                       2.1
jsonschema                        4.19.2
jsonschema-specifications         2023.7.1
jupyter                           1.0.0
jupyter_client                    8.6.0
jupyter-console                   6.6.3
jupyter_core                      5.5.0
jupyter-events                    0.8.0
jupyter-lsp                       2.2.0
jupyter_server                    2.10.0
jupyter_server_terminals          0.4.4
jupyterlab                        4.0.11
jupyterlab-pygments               0.1.2
jupyterlab_server                 2.25.1
jupyterlab-widgets                3.0.9
keyring                           23.13.1
kiwisolver                        1.4.4
lazy_loader                       0.3
lazy-object-proxy                 1.6.0
lckr_jupyterlab_variableinspector 3.1.0
libarchive-c                      2.9
libmambapy                        1.5.6
linkify-it-py                     2.0.0
llvmlite                          0.42.0
lmdb                              1.4.1
locket                            1.0.0
lxml                              4.9.3
lz4                               4.3.2
Markdown                          3.4.1
markdown-it-py                    2.2.0
MarkupSafe                        2.1.3
matplotlib                        3.8.0
matplotlib-inline                 0.1.6
mccabe                            0.7.0
mdit-py-plugins                   0.3.0
mdurl                             0.1.0
menuinst                          2.0.2
mistune                           2.0.4
mkl-fft                           1.3.8
mkl-random                        1.2.4
mkl-service                       2.4.0
more-itertools                    10.1.0
mpmath                            1.3.0
msgpack                           1.0.3
multidict                         6.0.4
multipledispatch                  0.6.0
munkres                           1.1.4
mypy                              1.8.0
mypy-extensions                   1.0.0
navigator-updater                 0.4.0
nbclient                          0.8.0
nbconvert                         7.10.0
nbformat                          5.9.2
nest-asyncio                      1.6.0
networkx                          3.1
nltk                              3.8.1
notebook                          7.0.8
notebook_shim                     0.2.3
numba                             0.59.0
numexpr                           2.8.7
numpy                             1.26.4
numpydoc                          1.5.0
openpyxl                          3.0.10
overrides                         7.4.0
packaging                         23.1
pandas                            2.1.4
pandocfilters                     1.5.0
panel                             1.3.8
param                             2.0.2
paramiko                          2.8.1
parsel                            1.8.1
parso                             0.8.3
partd                             1.4.1
pathlib                           1.0.1
pathspec                          0.10.3
patsy                             0.5.3
pexpect                           4.8.0
pickleshare                       0.7.5
pillow                            10.2.0
pip                               23.3.1
pkce                              1.0.3
pkginfo                           1.9.6
platformdirs                      3.10.0
plotly                            5.9.0
pluggy                            1.0.0
ply                               3.11
prometheus-client                 0.14.1
prompt-toolkit                    3.0.43
Protego                           0.1.16
protobuf                          3.20.3
psutil                            5.9.0
ptyprocess                        0.7.0
pure-eval                         0.2.2
py-cpuinfo                        9.0.0
pyarrow                           14.0.2
pyasn1                            0.4.8
pyasn1-modules                    0.2.8
pycodestyle                       2.10.0
pycosat                           0.6.6
pycparser                         2.21
pyct                              0.5.0
pycurl                            7.45.2
pydantic                          1.10.12
pydeck                            0.8.0
PyDispatcher                      2.0.5
pydocstyle                        6.3.0
pyerfa                            2.0.0
pyflakes                          3.0.1
Pygments                          2.15.1
PyJWT                             2.4.0
pylint                            2.16.2
pylint-venv                       2.3.0
pyls-spyder                       0.4.0
PyNaCl                            1.5.0
pyodbc                            5.0.1
pyOpenSSL                         24.0.0
pyparsing                         3.0.9
PyQt5                             5.15.10
PyQt5-sip                         12.13.0
PyQtWebEngine                     5.15.6
PySocks                           1.7.1
pytest                            7.4.0
python-dateutil                   2.8.2
python-dotenv                     0.21.0
python-json-logger                2.0.7
python-lsp-black                  1.2.1
python-lsp-jsonrpc                1.0.0
python-lsp-server                 1.7.2
python-slugify                    5.0.2
python-snappy                     0.6.1
pytoolconfig                      1.2.6
pytz                              2023.3.post1
pyviz_comms                       3.0.0
pywavelets                        1.5.0
pywin32                           305.1
pywin32-ctypes                    0.2.0
pywinpty                          2.0.10
PyYAML                            6.0.1
pyzmq                             25.1.2
QDarkStyle                        3.0.2
qstylizer                         0.2.2
QtAwesome                         1.2.2
qtconsole                         5.4.2
QtPy                              2.4.1
queuelib                          1.6.2
referencing                       0.30.2
regex                             2023.10.3
requests                          2.31.0
requests-file                     1.5.1
requests-toolbelt                 1.0.0
rfc3339-validator                 0.1.4
rfc3986-validator                 0.1.1
rich                              13.3.5
rope                              1.7.0
rpds-py                           0.10.6
Rtree                             1.0.1
ruamel.yaml                       0.17.21
ruamel-yaml-conda                 0.17.21
s3fs                              2023.10.0
scikit-image                      0.22.0
scikit-learn                      1.2.2
scipy                             1.11.4
Scrapy                            2.8.0
seaborn                           0.12.2
semver                            2.13.0
Send2Trash                        1.8.2
service-identity                  18.1.0
setuptools                        68.2.2
sip                               6.7.12
six                               1.16.0
smart-open                        5.2.1
smmap                             4.0.0
sniffio                           1.3.0
snowballstemmer                   2.2.0
sortedcontainers                  2.4.0
soupsieve                         2.5
Sphinx                            5.0.2
sphinxcontrib-applehelp           1.0.2
sphinxcontrib-devhelp             1.0.2
sphinxcontrib-htmlhelp            2.0.0
sphinxcontrib-jsmath              1.0.1
sphinxcontrib-qthelp              1.0.3
sphinxcontrib-serializinghtml     1.1.5
spyder                            5.4.3
spyder-kernels                    2.4.4
SQLAlchemy                        2.0.25
stack-data                        0.2.0
statsmodels                       0.14.0
streamlit                         1.30.0
sympy                             1.12
tables                            3.9.2
tabulate                          0.9.0
tblib                             1.7.0
tenacity                          8.2.2
terminado                         0.17.1
text-unidecode                    1.3
textdistance                      4.2.1
threadpoolctl                     3.1.0
three-merge                       0.1.1
tifffile                          2023.4.12
tinycss2                          1.2.1
tldextract                        3.2.0
toml                              0.10.2
tomlkit                           0.11.1
toolz                             0.12.0
tornado                           6.3.3
tqdm                              4.65.0
traitlets                         5.7.1
truststore                        0.8.0
Twisted                           23.10.0
twisted-iocpsupport               1.0.2
typing_extensions                 4.9.0
tzdata                            2023.3
tzlocal                           2.1
uc-micro-py                       1.0.1
ujson                             5.4.0
Unidecode                         1.2.0
urllib3                           2.0.7
validators                        0.18.2
w3lib                             2.1.2
watchdog                          2.1.6
wcwidth                           0.2.5
webencodings                      0.5.1
websocket-client                  0.58.0
Werkzeug                          2.2.3
whatthepatch                      1.0.2
wheel                             0.41.2
widgetsnbextension                3.5.2
win-inet-pton                     1.1.0
wrapt                             1.14.1
xarray                            2023.6.0
xlwings                           0.29.1
xyzservices                       2022.9.0
yapf                              0.31.0
yarl                              1.9.3
yellowbrick                       1.5
zict                              3.0.0
zipp                              3.17.0
zope.interface                    5.4.0
zstandard                         0.19.0

pip install seaborn --upgrade

Requirement already satisfied: seaborn in c:\users\user\anaconda3\lib\site-packages (0.12.2)
Collecting seaborn
  Downloading seaborn-0.13.2-py3-none-any.whl.metadata (5.4 kB)
Requirement already satisfied: numpy!=1.24.0,>=1.20 in c:\users\user\anaconda3\lib\site-packages (from seaborn) (1.26.4)
Requirement already satisfied: pandas>=1.2 in c:\users\user\anaconda3\lib\site-packages (from seaborn) (2.1.4)
Requirement already satisfied: matplotlib!=3.6.1,>=3.4 in c:\users\user\anaconda3\lib\site-packages (from seaborn) (3.8.0)
Requirement already satisfied: contourpy>=1.0.1 in c:\users\user\anaconda3\lib\site-packages (from matplotlib!=3.6.1,>=3.4->seaborn) (1.2.0)
Requirement already satisfied: cycler>=0.10 in c:\users\user\anaconda3\lib\site-packages (from matplotlib!=3.6.1,>=3.4->seaborn) (0.11.0)
Requirement already satisfied: fonttools>=4.22.0 in c:\users\user\anaconda3\lib\site-packages (from matplotlib!=3.6.1,>=3.4->seaborn) (4.25.0)
Requirement already satisfied: kiwisolver>=1.0.1 in c:\users\user\anaconda3\lib\site-packages (from matplotlib!=3.6.1,>=3.4->seaborn) (1.4.4)
Requirement already satisfied: packaging>=20.0 in c:\users\user\anaconda3\lib\site-packages (from matplotlib!=3.6.1,>=3.4->seaborn) (23.1)
Requirement already satisfied: pillow>=6.2.0 in c:\users\user\anaconda3\lib\site-packages (from matplotlib!=3.6.1,>=3.4->seaborn) (10.2.0)
Requirement already satisfied: pyparsing>=2.3.1 in c:\users\user\anaconda3\lib\site-packages (from matplotlib!=3.6.1,>=3.4->seaborn) (3.0.9)
Requirement already satisfied: python-dateutil>=2.7 in c:\users\user\anaconda3\lib\site-packages (from matplotlib!=3.6.1,>=3.4->seaborn) (2.8.2)
Requirement already satisfied: pytz>=2020.1 in c:\users\user\anaconda3\lib\site-packages (from pandas>=1.2->seaborn) (2023.3.post1)
Requirement already satisfied: tzdata>=2022.1 in c:\users\user\anaconda3\lib\site-packages (from pandas>=1.2->seaborn) (2023.3)
Requirement already satisfied: six>=1.5 in c:\users\user\anaconda3\lib\site-packages (from python-dateutil>=2.7->matplotlib!=3.6.1,>=3.4->seaborn) (1.16.0)
Downloading seaborn-0.13.2-py3-none-any.whl (294 kB)
   ---------------------------------------- 0.0/294.9 kB ? eta -:--:--
   - -------------------------------------- 10.2/294.9 kB ? eta -:--:--
   --------- ----------------------------- 71.7/294.9 kB 991.0 kB/s eta 0:00:01
   ---------------------------------------- 294.9/294.9 kB 3.1 MB/s eta 0:00:00
Installing collected packages: seaborn
  Attempting uninstall: seaborn
    Found existing installation: seaborn 0.12.2
    Uninstalling seaborn-0.12.2:
      Successfully uninstalled seaborn-0.12.2
Successfully installed seaborn-0.13.2
Note: you may need to restart the kernel to use updated packages.

# 각 컬럼의 상관관계를 시각화 ( heatmap 사용 )
# annot = True : 수치를 숫자로 나타내준다
# 수치가 0.7 이상이면 서로 깊은 연관관계가 있다
sns.heatmap(tips.corr(numeric_only=True), annot=True)

# seaborn 으로 heatmap 그리는데 annot=True 를 설정해도
# 맨 윗줄 한 줄만 숫자가 나타남
# seaborn 버전 0.12.2 에서 자주 발생하는 문제라 함
# 버전을 0.13.2 로 올린 뒤 우측 상단의 Python 3 (ipykernel) 부분
# 클릭해서 커널 다시 재실행 후 시작하니 정상 작동

<Axes: >

	cluster_num	score
7	10	0.452751
5	8	0.454558
6	9	0.458196
0	3	0.467614
1	4	0.493196
4	7	0.528810
3	6	0.539761
2	5	0.553932

[머신러닝] 변수 선택법 ( feature selection ) (0)	2024.05.28
[머신러닝] 회귀 및 평가지표 (0)	2024.05.27
[머신러닝] 과적합 및 하이퍼파라미터 (0)	2024.05.27
[머신러닝] 지도학습 ( 분류, 회귀 ), 평가지표 선택하는 방법 (0)	2024.05.24
[머신러닝] 탐색적 데이터분석 ( EDA, 표준화, 가중치 ) (0)	2024.05.24

	season	holiday	workingday	weather	temp	atemp	humidity	windspeed	casual	registered	count	year	month	day	hour	temp_int
season	1.000000	0.029368	-0.008126	0.008879	0.258689	0.264744	0.190610	-0.147121	0.096758	0.164011	0.163439	-0.004797	0.971524	0.001729	-0.006546	0.257917
holiday	0.029368	1.000000	-0.250491	-0.007074	0.000295	-0.005215	0.001929	0.008409	0.043799	-0.020956	-0.005393	0.012021	0.001731	-0.015877	-0.000354	0.000192
workingday	-0.008126	-0.250491	1.000000	0.033772	0.029966	0.024660	-0.010880	0.013373	-0.319111	0.119460	0.011594	-0.002482	-0.003394	0.009829	0.002780	0.029603
weather	0.008879	-0.007074	0.033772	1.000000	-0.055035	-0.055376	0.406244	0.007261	-0.135918	-0.109340	-0.128655	-0.012548	0.012144	-0.007890	-0.022740	-0.054556
temp	0.258689	0.000295	0.029966	-0.055035	1.000000	0.984948	-0.064949	-0.017852	0.467097	0.318571	0.394454	0.061226	0.257589	0.015551	0.145430	0.999313
atemp	0.264744	-0.005215	0.024660	-0.055376	0.984948	1.000000	-0.043536	-0.057473	0.462067	0.314635	0.389784	0.058540	0.264173	0.011866	0.140343	0.984431
humidity	0.190610	0.001929	-0.010880	0.406244	-0.064949	-0.043536	1.000000	-0.318607	-0.348187	-0.265458	-0.317371	-0.078606	0.204537	-0.011335	-0.278011	-0.064205
windspeed	-0.147121	0.008409	0.013373	0.007261	-0.017852	-0.057473	-0.318607	1.000000	0.092276	0.091052	0.101369	-0.015221	-0.150192	0.036157	0.146631	-0.017660
casual	0.096758	0.043799	-0.319111	-0.135918	0.467097	0.462067	-0.348187	0.092276	1.000000	0.497250	0.690414	0.145241	0.092722	0.014109	0.302045	0.467047
registered	0.164011	-0.020956	0.119460	-0.109340	0.318571	0.314635	-0.265458	0.091052	0.497250	1.000000	0.970948	0.264265	0.169451	0.019111	0.380540	0.318048
count	0.163439	-0.005393	0.011594	-0.128655	0.394454	0.389784	-0.317371	0.101369	0.690414	0.970948	1.000000	0.260403	0.166862	0.019826	0.400601	0.394003
year	-0.004797	0.012021	-0.002482	-0.012548	0.061226	0.058540	-0.078606	-0.015221	0.145241	0.264265	0.260403	1.000000	-0.004932	0.001800	-0.004234	0.060692
month	0.971524	0.001731	-0.003394	0.012144	0.257589	0.264173	0.204537	-0.150192	0.092722	0.169451	0.166862	-0.004932	1.000000	0.001974	-0.006818	0.256862
day	0.001729	-0.015877	0.009829	-0.007890	0.015551	0.011866	-0.011335	0.036157	0.014109	0.019111	0.019826	0.001800	0.001974	1.000000	0.001132	0.016202
hour	-0.006546	-0.000354	0.002780	-0.022740	0.145430	0.140343	-0.278011	0.146631	0.302045	0.380540	0.400601	-0.004234	-0.006818	0.001132	1.000000	0.145353
temp_int	0.257917	0.000192	0.029603	-0.054556	0.999313	0.984431	-0.064205	-0.017660	0.467047	0.318048	0.394003	0.060692	0.256862	0.016202	0.145353	1.000000

	combin	train	test
2	[workingday, hour, year, workingday]	0.764556	0.771759
3	[workingday, hour, year, weather]	0.802760	0.778615
4	[workingday, hour, year, temp]	0.927649	0.848878
0	[workingday, hour, year, season]	0.874880	0.861009
7	[workingday, hour, year, month]	0.906467	0.881726

	dropped	train	test
5	{month}	0.992111	0.930813
4	{day}	0.991652	0.932279
0	{year}	0.991575	0.936426
6	{windspeed}	0.992017	0.936628
1	{}	0.991685	0.937244
8	{temp}	0.991496	0.937614
11	{holiday}	0.991583	0.939131
10	{}	0.991901	0.939687
12	{season}	0.991995	0.940164
9	{weather}	0.991278	0.941420
3	{}	0.991178	0.942275
7	{humidity}	0.991742	0.943053
2	{}	0.991287	0.944364

	CustomerID	Gender	Age	Annual Income (k$)	Spending Score (1-100)
0	1	Male	19	15	39
1	2	Male	21	15	81
2	3	Female	20	16	6
3	4	Female	23	16	77
4	5	Female	31	17	40

	datetime	season	weather	temp	atemp	humidity	casual	registered	count	year	month	day	hour	temp_int
0	2011-01-01 00:00:00	1	1	9.84	14.395	81	3	13	16	2011	1	1	0	9
1	2011-01-01 01:00:00	1	1	9.02	13.635	80	8	32	40	2011	1	1	1	9
2	2011-01-01 02:00:00	1	1	9.02	13.635	80	5	27	32	2011	1	1	2	9
3	2011-01-01 03:00:00	1	1	9.84	14.395	75	3	10	13	2011	1	1	3	9
4	2011-01-01 04:00:00	1	1	9.84	14.395	75	0	1	1	2011	1	1	4	9

	combination	train	test
9	('season', 'hour')	0.606406	0.616188
51	('year', 'hour')	0.620818	0.617996
81	('workingday', 'hour')	0.657728	0.644720
136	('workingday', 'hour')	0.657899	0.644887
26	('workingday', 'hour')	0.651633	0.659805

	combin	train	test
3	[workingday, hour, weather]	0.692668	0.666817
4	[workingday, hour, temp]	0.832362	0.729591
8	[workingday, hour, month]	0.786353	0.741946
0	[workingday, hour, season]	0.758091	0.744094
7	[workingday, hour, year]	0.767762	0.763679

	rank	feature
0	0.617593	hour
1	0.122718	temp
2	0.082577	year
3	0.071475	workingday
4	0.055804	month
5	0.049833	humidity

[머신러닝] 군집 ( 고객분류 ) (0)	2024.05.28
[머신러닝] 회귀 및 평가지표 (0)	2024.05.27
[머신러닝] 과적합 및 하이퍼파라미터 (0)	2024.05.27
[머신러닝] 지도학습 ( 분류, 회귀 ), 평가지표 선택하는 방법 (0)	2024.05.24
[머신러닝] 탐색적 데이터분석 ( EDA, 표준화, 가중치 ) (0)	2024.05.24

	CRIM	ZN	INDUS	NOX	RM	AGE	DIS	RAD	TAX	PTRATIO	B	LSTAT	MEDV
0	0.00632	18.0	2.31	0.538	6.575	65.2	4.0900	1	296	15.3	396.90	4.98	24.0
1	0.02731	0.0	7.07	0.469	6.421	78.9	4.9671	2	242	17.8	396.90	9.14	21.6
2	0.02729	0.0	7.07	0.469	7.185	61.1	4.9671	2	242	17.8	392.83	4.03	34.7
3	0.03237	0.0	2.18	0.458	6.998	45.8	6.0622	3	222	18.7	394.63	2.94	33.4
4	0.06905	0.0	2.18	0.458	7.147	54.2	6.0622	3	222	18.7	396.90	0.00	36.2

	hour	count
0	0	25088
1	1	15372
2	2	10259
3	3	5091
4	4	2832
5	5	8935
6	6	34698
7	7	96968
8	8	165060
9	9	100910
10	10	79667
11	11	95857
12	12	116968
13	13	117551
14	14	111010
15	15	115960
16	16	144266
17	17	213757
18	18	196472
19	19	143767
20	20	104204
21	21	79057
22	22	60911
23	23	40816

	daum	naver
0	-1.414214e+00	-1.414214e+00
1	-7.071068e-01	-7.071068e-01
2	4.440892e-17	4.440892e-17
3	7.071068e-01	7.071068e-01
4	1.414214e+00	1.414214e+00

	age	duration	campaign	pdays	previous	y
age	1.000000	-0.004648	0.004760	-0.023758	0.001288	0.025155
duration	-0.004648	1.000000	-0.084570	-0.001565	0.001203	0.394521
campaign	0.004760	-0.084570	1.000000	-0.088628	-0.032855	-0.073172
pdays	-0.023758	-0.001565	-0.088628	1.000000	0.454820	0.103621
previous	0.001288	0.001203	-0.032855	0.454820	1.000000	0.093236
y	0.025155	0.394521	-0.073172	0.103621	0.093236	1.000000

	hour	workingday	count
0	0	0	13701
1	0	1	11387
2	1	0	10427
3	1	1	4945
4	2	0	7686

	month	count
0	1	852
1	2	1096
2	3	1249
3	4	1480
4	5	2441

	d	b
0	0.00	0.00
1	0.25	0.25
2	0.50	0.50
3	0.75	0.75
4	1.00	1.00

	PassengerId	Survived	Pclass	Sex	Age	SibSp	Fare
0	1	0	3	0	22.0	1	7.2500
1	2	1	1	1	38.0	1	71.2833
2	3	1	3	1	26.0	0	7.9250
3	4	1	1	1	35.0	1	53.1000
4	5	0	3	0	35.0	0	8.0500

	k	train 정확도	test 정확도
0	1	0.985955	0.754190
1	2	0.896067	0.793296
2	3	0.887640	0.810056
3	4	0.863764	0.826816
4	5	0.872191	0.821229
5	6	0.855337	0.826816
6	7	0.851124	0.804469
7	8	0.838483	0.821229
8	9	0.839888	0.787709
9	10	0.841292	0.787709

	A_id	Size	Weight	Sweetness	Crunchiness	Juiciness	Ripeness	Acidity	Quality
0	0.0	-3.970049	-2.512336	5.346330	-1.012009	1.844900	0.329840	-0.491590483	good
1	1.0	-1.195217	-2.839257	3.664059	1.588232	0.853286	0.867530	-0.722809367	good
2	2.0	-0.292024	-1.351282	-1.738429	-0.342616	2.838636	-0.038033	2.621636473	bad
3	3.0	-0.657196	-2.271627	1.324874	-0.097875	3.637970	-3.413761	0.790723217	good
4	4.0	1.364217	-1.296612	-0.384658	-0.553006	3.030874	-1.303849	0.501984036	good

	기간	대분류	분류	운동을 할 충분한 시간이 없어서	함께 운동을 할 사람이 없어서	운동을 할 만한 장소가 없어서	운동을 싫어해서	운동을 할 충분한 비용이 없어서	기타
0	2019	서울시	서울시	46.8	5.0	4.3	37.3	5.2	1.4
1	2019	성별	남자	52.4	4.4	4.9	32.4	4.9	1.1
2	2019	성별	여자	42.5	5.6	3.9	41.0	5.4	1.7
3	2019	연령별	10대	55.3	4.8	3.9	32.6	3.5	-
4	2019	연령별	20대	46.0	4.2	4.5	38.8	6.4	0.1

	기간	운동을 할 충분한 시간이 없어서	함께 운동을 할 사람이 없어서	운동을 할 만한 장소가 없어서	운동을 싫어해서	운동을 할 충분한 비용이 없어서
count	52.0	52.000000	52.000000	52.000000	52.000000	52.000000
mean	2019.0	46.267308	5.103846	4.655769	37.153846	5.163462
std	0.0	10.723709	2.211109	1.868145	8.666217	2.020001
min	2019.0	10.700000	0.400000	1.200000	17.900000	0.900000
25%	2019.0	42.775000	4.125000	3.300000	32.550000	4.075000
50%	2019.0	46.900000	4.850000	4.400000	35.850000	5.250000
75%	2019.0	52.100000	6.050000	5.700000	39.775000	6.250000
max	2019.0	69.800000	13.900000	9.900000	68.100000	10.900000

	대분류	운동을 할 만한 장소가 없어서	운동을 할 충분한 비용이 없어서
27	종로구	9.4	2.1
28	중구	7.7	7.6
29	용산구	4.9	2.7
30	성동구	5.7	8.7
31	광진구	3.0	5.8
32	동대문구	2.7	6.2
33	중랑구	6.8	10.9
34	성북구	2.6	2.0
35	강북구	3.4	1.9
36	도봉구	6.2	7.6
37	노원구	2.7	1.9
38	은평구	7.3	6.4
39	서대문구	1.2	5.3
40	마포구	4.7	3.2
41	양천구	5.9	4.1
42	강서구	1.9	4.3
43	구로구	5.8	2.9
44	금천구	2.3	2.3
45	영등포구	3.8	5.4
46	동작구	8.4	7.6
47	관악구	5.5	6.1
48	서초구	4.1	3.3
49	강남구	2.0	5.2
50	송파구	2.3	4.8
51	강동구	4.8	8.4

	장소부족	비용부족
count	25.000000	25.000000
mean	4.604000	5.068000
std	2.230187	2.473648
min	1.200000	1.900000
25%	2.700000	2.900000
50%	4.700000	5.200000
75%	5.900000	6.400000
max	9.400000	10.900000

	장소부족	비용부족
0	1.000000	0.022222
1	0.878049	0.633333
2	0.792683	0.633333
3	0.743902	0.500000
4	0.682927	1.000000
5	0.609756	0.633333
6	0.573171	0.244444
7	0.560976	0.111111
8	0.548780	0.755556
9	0.524390	0.466667
10	0.451220	0.088889
11	0.439024	0.722222
12	0.426829	0.144444
13	0.353659	0.155556
14	0.317073	0.388889
15	0.268293	0.000000
16	0.219512	0.433333
17	0.182927	0.000000
18	0.182927	0.477778
19	0.170732	0.011111
20	0.134146	0.044444
21	0.134146	0.322222
22	0.097561	0.366667
23	0.085366	0.266667
24	0.000000	0.377778

	분류	종합점수
3	10대	49.5
4	20대	58.2
5	30대	45.3
6	40대	49.8
7	50대	60.1
8	60대 이상	79.4

	total_bill	tip	sex	smoker	day	time	size
0	16.99	1.01	Female	No	Sun	Dinner	2
1	10.34	1.66	Male	No	Sun	Dinner	3
2	21.01	3.50	Male	No	Sun	Dinner	3
3	23.68	3.31	Male	No	Sun	Dinner	2
4	24.59	3.61	Female	No	Sun	Dinner	4
...	...	...	...	...	...	...	...
239	29.03	5.92	Male	No	Sat	Dinner	3
240	27.18	2.00	Female	Yes	Sat	Dinner	2
241	22.67	2.00	Male	Yes	Sat	Dinner	2
242	17.82	1.75	Male	No	Sat	Dinner	2
243	18.78	3.00	Female	No	Thur	Dinner	2

	total_bill	tip	size
total_bill	1.000000	0.675734	0.598315
tip	0.675734	1.000000	0.489299
size	0.598315	0.489299	1.000000

BE

web_crawling

군집 ( 고객분류 )

군집(clustering)¶

k-means¶

k-means 파라미터¶

군집화가 완료되면 관련 주요 속성이 있다¶

고객분류¶

'BE > 머신러닝(ML)' 카테고리의 다른 글

변수 선택법 ( feature selection )

feature selection(변수 선택법)¶

wrapper(전진/후진 선택)¶

'BE > 머신러닝(ML)' 카테고리의 다른 글

회귀 및 평가지표

회귀¶

회귀 평가지표¶

자전거 수요 예측¶

'BE > 머신러닝(ML)' 카테고리의 다른 글

과적합 및 하이퍼파라미터

과적합 및 스케일링

과대적합과 과소적합¶

과대적합(overfitting)¶

과소적합(underfitting)¶

스케일링¶

StandardScaler(label값은 스케일 하지 않는다)¶

MinMaxScaler(label값은 스케일 하지 않는다)¶

스케일링을 사용하면 과적합을 줄여줄 수도 있다¶

하이퍼 파라미터

하이퍼파라미터¶

하이퍼파라미터 튜닝¶

GridSearchCV¶

K-최근접 이웃 알고리즘¶

하이퍼파라미터¶

랜덤 포레스트 하이퍼 파라미터¶

하이퍼파라미터¶

'BE > 머신러닝(ML)' 카테고리의 다른 글

지도학습 ( 분류, 회귀 ), 평가지표 선택하는 방법

실습 예제 모음

머신러닝 종류¶

사이킷 런¶

알고리즘 선택 방법¶

Kneighbors(K-최근접 이웃 알고리즘)¶

Ensemble(앙상블)¶

train_test_split¶

시나리오¶

사과 품질 분류하기¶

SVM(Support Vector Machine)¶

DecisionTree¶

Voting(보팅)¶

RandomForest(랜덤포레스트)¶

부스팅(Boosting)¶

Classification Metric¶

Accuracy(정확도)¶

재현율(recall)¶

정밀도(precision)¶

평가지표 선택하기¶

'BE > 머신러닝(ML)' 카테고리의 다른 글

탐색적 데이터 분석 ( DEA, 표준화, 가중치 )

MinMaxScaler(표준화)¶

'BE > 머신러닝(ML)' 카테고리의 다른 글

시각화

EDA-탐색적 데이터 분석¶

시각화¶

시각화 차트 5가지¶

Matplotlib¶

figure¶

plt.subplots(nrows, ncols)¶

Seaborn ( https://seaborn.pydata.org/ )¶

Seaborn 그래프( https://seaborn.pydata.org/tutorial/function_overview.html )¶

'BE > 머신러닝(ML)' 카테고리의 다른 글

티스토리툴바