스터디노트 (kNN)

📌 kNN?

- 실시간 예측을 위한 학습이 필요하지 않다.

- 고차원 데이터에는 적합하지 않다.

출처 : 제로베이스 데이터 스쿨

출처 : 제로베이스 데이터 스쿨

📌 실습

- 실시간 예측을 위한 학습이 필요하지 않다.

from sklearn.datasets import load_iris

iris = load_iris()

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, 
                                                    test_size=0.2, random_state=13,
                                                    stratify=iris.target)

🔻fit 과정이 필요

from sklearn.neighbors import KNeighborsClassifier
# n_neighbor -> 몇 개까지 가까운 지점을 찾을 것이냐?
knn = KNeighborsClassifier(n_neighbors=5)
knn.fit(X_train, y_train)

🔻예측 결과 확인 해보기

from sklearn.metrics import accuracy_score

pred = knn.predict(X_test)
print(accuracy_score(y_test, pred))
>>>>
0.9666666666666667

from sklearn.metrics import classification_report, confusion_matrix

print(confusion_matrix(y_test, pred))
>>>>
[[10  0  0]
 [ 0  9  1]
 [ 0  0 10]]

🔻classfication_report

print(classification_report(y_test, pred))
>>>>
              precision    recall  f1-score   support

           0       1.00      1.00      1.00        10
           1       1.00      0.90      0.95        10
           2       0.91      1.00      0.95        10

    accuracy                           0.97        30
   macro avg       0.97      0.97      0.97        30
weighted avg       0.97      0.97      0.97        30