빅데이터 분석 기사 실기 유형2 환경 만들기와 유형2번 답코드

[유연수]

# ▣ 빅데이터 분석 기사 실기 유형2번 코드 암기하기(분류 파트)

# ■ 시험환경 만들기1. sklearn 에서 유방암 환자 데이터 불러오기

import pandas as pd
from sklearn.datasets import load_breast_cancer
brst = load_breast_cancer()
x, y = brst.data, brst.target

col = brst.feature_names                 # 컬럼명 불러오기
X = pd.DataFrame(x , columns=col)        # 학습 데이터
y = pd.DataFrame(y, columns=['cancer'])  # 정답 데이터

# cust_id 컬럼을 추가합니다.
X.insert(0, 'cust_id', range(1, 1 + len(X)))  # X.insert(컬럼자리번호, 컬럼명, 데이터 )

# ■ 시험환경 만들기2. 훈련 데이터와 테스트 데이터를 생성합니다.

# 훈련 데이터와 테스트 데이터를 분리합니다.
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=1)

# 만든 데이터를 시험환경에 저장합니다.
x_train.to_csv("X_train.csv", index=False)
y_train.to_csv("y_train.csv", index=False)
x_test.to_csv("X_test.csv", index=False)

위의 스크립트를 실행하시면 시험환경에서 처럼 구글 코렙에서 X_train.csv, y_train.csv, X_test.csv 가 만들어집니다.

그리고 다음 부터 별도의 셀을 열어서 진행하시면 됩니다.

# 2. 데이터를 정규화 합니다.

# 훈련 데이터 정규화
from  sklearn.preprocessing  import MinMaxScaler

scaler=MinMaxScaler()

scaler.fit(x_train)
x_train2 = scaler.transform(x_train)

# 테스트데이터 정규화
from  sklearn.preprocessing  import MinMaxScaler

scaler=MinMaxScaler()

scaler.fit(x_test)
x_test2 = scaler.transform(x_test)

# 3. 정답 데이터 만들기

y_train = pd.read_csv("y_train.csv")
y = y_train['cancer']
y


# 4. 모델 생성

from sklearn.ensemble import RandomForestClassifier

model = RandomForestClassifier()

# 5. 모델훈련
model.fit(x_train2, y)

# 6. 모델예측
pred = model.predict(x_test2)
pred

# 7. 정답제출

# 답안 제출 참고
# 아래 코드 예측변수와 수험번호를 개인별로 변경하여 활용
# pd.DataFrame({'cust_id': X_test.cust_id, 'label': pred }).to_csv('003000000.csv', index=False)
pd.DataFrame({'cust_id': X_test.cust_id, 'label': pred }).to_csv('003000000.csv', index=False)

# 8. 모델평가
from sklearn.metrics import roc_auc_score

y_hat = model.predict(x_train2)
print( roc_auc_score(y, y_hat))

구글 코렙에서 작업한 주피터 노트북도 아래에 첨부하였습니다.  

빅데이터_분석기사_실기_유형2번_코드_암기(분류).ipynb

34.63KB