Re: 문제159. iris 꽃의 품종을 분류하는 knn 모델을 생성하시오 !

[19기_유동현]

iris <- read.csv("c:\\data\\iris2.csv",stringsAsFactors = TRUE)
head(iris)

nrow(iris) # 150
ncol(iris) # 5
str(iris)
colSums(is.na(iris))

table(iris$Species)
prop.table(table(iris$Species))

iris2 <- iris[, c(-5)]
head(iris2)
normalize <- function(x) { return((x - min(x)) / (max(x) - min(x))) }
iris2_n <- as.data.frame(lapply(iris2, normalize))
summary(iris2_n)
iris2

set.seed(10)
train_indx <- createDataPartition(iris$Species, p = 0.9, list = FALSE)

# 기계를 학습 시킬 훈련 데이터와 테스트 데이터 생성
iris_train <- iris2_n[train_indx, ]
iris_test <- iris2_n[-train_indx, ]
nrow(iris_train)  # 161
nrow(iris_test)   # 16 

# 기계를 학습 시킬 훈련 데이터의 정답과 테스트 데이터의 정답 생성
iris_train_label <- iris$Species[train_indx]
iris_test_label <- iris$Species[-train_indx]
length(iris_train_label)  # 161
length(iris_test_label)   # 16

# 4단계: 모델 성능 평가
accuracies <- data.frame(k = integer(), accuracy = numeric())

set.seed(10)
for (i in seq(1, 57, 2)) {
  result1 <- knn(train = iris_train, test = iris_test, cl = iris_train_label, k = i)
  accuracy <- sum(result1 == iris_test_label) / length(iris_test_label) * 100
  accuracies <- rbind(accuracies, data.frame(k = i, accuracy = accuracy))
  print(paste(i, '개 일때 정확도 ', accuracy))
}

# 정확도 데이터 프레임 확인
accuracies

# plotly로 라인 그래프 시각화
fig <- plot_ly(accuracies, x = ~k, y = ~accuracy, type = 'scatter', mode = 'lines+markers', line = list(color = 'red'))
fig <- fig %>% layout(title = "K 값에 따른 정확도",
                      xaxis = list(title = "K 값"),
                      yaxis = list(title = "정확도"))
fig