Re:문제183.[오늘의 마지막 문제] 나이의 결측치를 중앙값으로 두고 knn 모델의 정확도를 확인하세요

[11기_이서지]

import  pandas  as  pd

import  seaborn  as  sns 

#1단계.  csv ---> 데이터 프레임으로 변환 

df = sns.load_dataset('titanic')

# 컬럼이 모두다 출력될 수 있도록 출력할 열의 개수 한도를 늘리기 

pd.set_option('display.max_columns', 15 ) 

rdf =  df.drop(['deck', 'embark_town'] , axis= 1)

#나이 누락 데이터 행을 나이 중앙값으로 치환

median = rdf['age'].median()

rdf['age'].fillna(median, inplace=True)

#정박한 항구 누락 데이터 2건을 최빈값으로 치환

most_freq = rdf['embarked'].value_counts(dropna=True).idxmax()

rdf['embarked'].fillna( most_freq, inplace=True ) 

ndf = rdf[ ['survived', 'pclass', 'sex', 'age', 'sibsp', 'parch', 'embarked']] 

#명목형 데이터를 숫자로 변환하기 위해 더미변수를 생성한다.

gender = pd.get_dummies( ndf['sex'] )

ndf = pd.concat( [ndf, gender], axis=1 ) 

onehot_embarked = pd.get_dummies( ndf['embarked'], prefix='town')

ndf = pd.concat([ ndf, onehot_embarked], axis=1)

#명목형 컬럼 2개를 삭제한다.

ndf.drop( ['sex', 'embarked'],  axis=1, inplace=True )

#훈련할 학습 데이터 X와 정답이 있는 라벨 Y를 생성한다.

X = ndf[ [ 'pclass' ,'age', 'sibsp','parch', 'female', 'male', 'town_C', 'town_Q',  'town_S']]

y = ndf['survived']   # 종속변수 

#4.2  독립변수들을 정규화(normalization) 한다. 

from  sklearn   import   preprocessing

X = preprocessing.StandardScaler().fit(X).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=0.3, 

                                                           random_state = 10 ) 

# 설명:  test_size=0.3 에 의해서 7:3 비율로 훈련과 테스트를 나누고

# random_state=10 에 의해서 나중에 split 할 때도 항상 일정하게 

# split 할 수 있게 한다. 

print  ( 'train data 의 갯수:'  ,  X_train.shape )

print  ( 'test  data 의 갯수:'  ,  X_test.shape )

from  sklearn.neighbors  import   KNeighborsClassifier 

knn = KNeighborsClassifier( n_neighbors=5 ) 

knn.fit ( X_train, y_train )

#테스트 데이터에 대한 사망자와 생존자를 예측한다.

y_hat = knn.predict( X_test ) 

#모델 평가를 위해 이원 교차표를 그린다.

from  sklearn   import   metrics 

knn_matrix  =  metrics.confusion_matrix( y_test,  y_hat )

print ( knn_matrix ) 

#모델의 정확도를 확인한다.

from sklearn.metrics import accuracy_score

accuracy = accuracy_score( y_test, y_hat)

print(accuracy)

train data 의 갯수: (623, 9)
test  data 의 갯수: (268, 9)
[[153  21]
 [ 27  67]]
0.8208955223880597