[머신러닝] K-Nearest Neighbor (KNN)

KNN을 통해 주어진 데이터를 어느 카테고리로 분류할지 정할수있다.

 

# 새로운 데이터가 발생 시, Euclidean distance 에 의해서, 가장 가까운 K 개의 이웃을 택한다.

# K 개의 이웃 카테고리를 확인한 후, 카테고리의 숫자가 많은 쪽으로 새로운 데이터의 카테고리를 정한다.

 

 

df= 

 

먼저 데이터로 전처리과정을 트레인 테스트 스플릿까지 진행해보자

 

 

df.isna().sum()  #Nan 없음

X = df.loc[:,'Age':'EstimatedSalary']
y = df['Purchased']

from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
X = scaler.fit_transform(X)

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X,y,test_size=0.2,random_state=3)

 

 

이제 KNeighborsClassifier을 사용하여 KNN을 모델링한다.

 

from sklearn.neighbors import KNeighborsClassifier
classifier = KNeighborsClassifier(n_neighbors=3)
classifier.fit(X_train,y_train)

# KNeighborsClassifier 함수에 숫자를 넣어 인접한 데이터를 몇개까지 설정할지 정할수있다. (디폴트 파라미터는 5다.)

 

 

이제 인공지능 평가를 위해 예상값인 y-pred변수를 설정해주자

 

y_pred = classifier.predict(X_test)

 

 

그 후, 컨퓨전 매트릭스를 나타낼수있다.

 

in:

from sklearn.metrics import confusion_matrix
cm  = confusion_matrix(y_test, y_pred)
cm

out:

array([[49,  6],
       [ 2, 23]], dtype=int64)

 

 

또한 accuracy_score를 통해 정확도를 나타낼수있다.

 

in:

from sklearn.metrics import accuracy_score
accuracy_score(y_test, y_pred)

out:

0.9

# 정확도는 90%다

 

 

이것을 차트로 나타낼수있다.

 

in:

# Visualising the Test set results
from matplotlib.colors import ListedColormap
X_set, y_set = X_test, y_test
X1, X2 = np.meshgrid(np.arange(start = X_set[:, 0].min() - 1, 
                               stop = X_set[:, 0].max() + 1, step = 0.01),
                     np.arange(start = X_set[:, 1].min() - 1, 
                               stop = X_set[:, 1].max() + 1, step = 0.01))
plt.figure(figsize=[10,7])
plt.contourf(X1, X2, classifier.predict(
            np.array([X1.ravel(), X2.ravel()]).T).reshape(X1.shape),
             alpha = 0.75, cmap = ListedColormap(('red', 'green')))
plt.xlim(X1.min(), X1.max())
plt.ylim(X2.min(), X2.max())
for i, j in enumerate(np.unique(y_set)):
    plt.scatter(X_set[y_set == j, 0], X_set[y_set == j, 1],
                c = ListedColormap(('red', 'green'))(i), label = j)
plt.title('Classifier (Test set)')
plt.legend()
plt.show()

out: