Re: 문제173. 위의 결과를 파이썬으로 라인 그래프로 시각화 하시오 !

[15기_양희훈]

#1. 데이터를 로드합니다.
#2. 데이터를 확인합니다.
#3. 결측치를 확인합니다.
#4. 이상치를 확인합니다.
#5. 문자형 데이터인지 숫자형 데이터인지 확인합니다.
#6. 데이터를 정규화 합니다.
#7. 훈련 데이터와 테스트 데이터로 분리합니다.
#8. 모델을 설정합니다.
#9. 모델을 훈련시킵니다.
#10. 훈련된 모델로 테스트 데이터를 예측합니다.
#11. 모델을 평가합니다.
#12. 모델의 성능을 높입니다. 



# ▩ 코드 구현
#1. 데이터를 로드합니다.
import  pandas  as  pd

wbcd = pd.read_csv("c:\\data\\wisc_bc_data.csv")
wbcd.head()

#2. 데이터를 확인합니다.

wbcd.info()   # 컬럼 32개, 행 569개로 구성되어있고 diagnosis 만 문자고 나머지 숫자
wbcd.shape  # (569, 32)
wbcd.describe()  # R 에서의 summary() 함수와 같은 결과를 출력합니다.

#3. 결측치를 확인합니다.

wbcd.isnull().sum()

#4. 이상치를 확인합니다.

def outlier_value(x):  # 이상치를 확인하는 함수
    for  i  in  x.columns[x.dtypes=='float64']:  # 가져오는 컬럼이 숫자형 컬럼이면 
        Q1 = x[i].quantile(0.25)  # 숫자형 컬럼데이터의 25%에 해당하는 지점을 찾습니다.
        Q3 = x[i].quantile(0.75)  # 숫자형 컬럼데이터의 75%에 해당하는 지점을 찾습니다.
        IQR = Q3 - Q1  # 사분위수 범위값을 구합니다.
        print (  i,  x[i][ (x[i] > Q3 + IQR*5) | ( x[i] < Q1-IQR*5)].count() ) 

#IQR*5 로 해도되고 다른 숫자를 넣어도 됩니다. 아주 심한 이상치들을 걸러낼 수 있도록
#5대신에 다른 숫자들을 넣으면 됩니다. 

outlier_value(wbcd)

# 결과해석: area_se 와 dimension_se 가 이상치가 많이 있는것을 확인했습니다.
#              나중에 혹시 기계학습후에 정확도가 낮다면 이 이상치를 제거하거나 평균값으로
#              치환한 후에 다시 학습 시킬 필요가 있습니다. 

#5. 문자형 데이터인지 숫자형 데이터인지 확인합니다. 

wbcd.info()  

#6. 데이터를 정규화 합니다.

from  sklearn.preprocessing   import  MinMaxScaler

wbcd2 = wbcd.iloc[  :   , 2: ]  # 환자번호(id) 와 정답컬럼(diagnosis) 를 제외합니다.
wbcd2.head()

scaler = MinMaxScaler()  # scaler 객체를 생성

scaler.fit(wbcd2)   # min/max 정규화 계산을 수행합니다.

wbcd2_scaled = scaler.transform(wbcd2)  # 위에서 계산된 내용으로 데이터를 변환해서
                                                        # wbcd2_scaled 에 담습니다.

# 0~1 사이의 데이터로 변경되었는지 확인합니다. 
wbcd2_df = pd.DataFrame(wbcd2_scaled)
wbcd2_df.describe()

#w정답 데이터를 numpy 형태로 구성합니다
y= wbcd['diagnosis'].to_numpy()
y

#7. 훈련 데이터와 테스트 데이터로 분리합니다.
from sklearn.model_selection import train_test_split
x_train, x_test, y_train, y_test = train_test_split(wbcd2_scaled,y, test_size=0.1, random_state=1)

#설명: x_train : 훈련 데이터, x_test : 테스트 데이터
#      y_train : 훈련 데이터의 정답  y_test : 테스트 데이터의 정답
#      random_state =1 은 어느자리에서든 동일한 정확도를 보이는 모델을 생성하겠다.,     

print(x_train.shape)
print(x_test.shape)
print(y_train.shape)
print(y_test.shape)


#8. 모델을 설정합니다.
from sklearn.neighbors import KNeighborsClassifier

model = KNeighborsClassifier(n_neighbors=5)

#9. 모델을 훈련시킵니다.

model.fit(x_train, y_train)

#10. 훈련된 모델로 테스트 데이터를 예측합니다.
result = model.predict(x_test)
result

#11. 모델을 평가합니다.

y_test == result
sum(y_test==result)/57*100

# from sklearn.metrics import accuracy_score

# accuracy = accuracy_score(y_test, result)
# accuracy

#12. 모델의 성능을 높입니다. 

k=[]
jung=[]

for i in range(1,29,2):
    model = KNeighborsClassifier(n_neighbors=i)
    model.fit(x_train,y_train)
    result = model.predict(x_test)
    accuracy = accuracy_score(y_test, result)
    print('k가',i,'개일때 정확도는', accuracy,'입니다.')
    k.append(i)
    jung.append(accuracy)

import pandas as pd
from matplotlib import font_manager, rc
font = font_manager.FontProperties(fname="c:/Windows/Fonts/malgun.ttf").get_name()
rc('font', family=font)    
    
    
    
    
k=pd.DataFrame(k)
jung=pd.DataFrame(jung)
r=pd.concat([k,jung], axis =1)    
r.columns=['개수','정확도']
r1=r.reset_index()
r=r1[['정확도']].plot.line(color = 'red')
r.set_xticks(range(len(list(range(1,29,2)))))
r.set_xticklabels( tuple(list(range(1,29,2)))  ) 
r.set_xlabel('개수')