내장 데이터셋
Coddy Machine Learning 여정의 데이터와 시각화 섹션에 포함된 레슨. 60개 중 52번째.
곧 모델을 학습하게 되며, 이 장에서는 모델의 데이터를 준비합니다. ML 라이브러리인 scikit-learn에는 다음과 같은 붓꽃을 비롯한 고전적인 데이터 세트가 포함되어 있습니다.
한 줄로 이들을 불러옵니다. from ... import는 모듈에서 함수 하나를 가져오므로, 함수의 이름만으로 호출합니다:
from sklearn.datasets import load_iris
iris = load_iris(as_frame=True)
print(iris.frame.shape)
print(iris.target_names)다음과 같이 출력됩니다:
(150, 5)
['setosa' 'versicolor' 'virginica']as_frame=True는 pandas를 요청하므로, iris.frame은 DataFrame이고 iris.feature_names에는 측정 항목이 나열됩니다. target에는 모델에 필요한 숫자가 들어 있습니다. iris.target_names[2]는 클래스 2의 이름입니다.
챌린지
중급의사들은 유방 조직 샘플의 세포를 측정하고 각 세포를 악성 또는 양성으로 분류했습니다. scikit-learn에는 이 데이터가 load_breast_cancer로 포함되어 있습니다.
프로그램은 feature_names에서 특성의 위치인 n을 읽습니다.
as_frame=True를 사용해 데이터셋을 불러옵니다.- 샘플 수(프레임의 행 수)와 특성 수, 클래스 이름을 출력합니다.
- 특성
n의 이름과 평균을 소수점 2자리까지 반올림해 출력합니다.
입력이 3인 경우:
Samples: 569
Features: 30
Classes: ['malignant' 'benign']
mean area: 654.89직접 해보기
n = int(input())
# 아래에 코드를 작성하세요
실력 점검이 레슨에는 짧은 퀴즈가 포함되어 있습니다. 레슨을 시작해 문제를 풀고 진행 상황을 기록하세요.
데이터와 시각화의 모든 레슨
직접 연습해 보세요: 온라인 Python 컴파일러