• 목록

# load_iris()함수가 리턴하는 객체는 Bunch클래스 객체
# Bunch클래스 객체는 파이썬의 Dictionary와 유사한 객체로
# 키와 값으로 구성되어 있다.

실습1.

# -*- coding: utf-8 -*-

import numpy as np
from sklearn.datasets import load_iris

irisData = load_iris()
print(irisData.keys())
print("---------------------")
print(irisData['DESCR'][:200])
print("---------------------")
print(irisData['target_names'])
print("---------------------")
print(irisData['feature_names'])
print("---------------------")
print(irisData['data'][:10])
print("---------------------") 

결과.

실습2

# -*- coding: utf-8 -*-

import numpy as np
from sklearn.datasets import load_iris

irisData = load_iris()

print(type(irisData['data']))
print("---------------------")
print(irisData['data'].shape)
print("---------------------")
print(irisData['data'][:10])
 

결과.

​붓꽃 150가지 샘플에서 4가지 특성 값을 저장하였다.

실습3.

# -*- coding: utf-8 -*-

import numpy as np
from sklearn.datasets import load_iris

irisData = load_iris()

print(irisData['target_names'])
print("---------------------")
print(irisData['target'])
print("---------------------")
print(irisData['target'].shape)
 

결과.

# 훈련데이터와 테스트데이터를 나누기 위한 함수
# train_test_split모듈에 있는 train_test_split()
# train_test_split모듈은 sklearn.model_selection

실습4.

# -*- coding: utf-8 -*-

import numpy as np
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split

irisData = load_iris()

# scikit-learn 에서 데이터는 대문자 X로 표시하고 레이블은 소문자 y로 표시

X_train, X_test, y_train, y_test = train_test_split(
 irisData['data'], irisData['target'], random_state=0)

#train_test_split()의 리턴 타입은 모두 numpy 배열이다.

print(X_train)
print("---------------------")
print(X_train.shape)
print("---------------------")
print(X_test)
print("---------------------")
print(X_test.shape)
print("---------------------")
print(y_train)
print("---------------------")
print(y_train.shape)
print("---------------------")
print(y_test)
print("---------------------")
print(y_test.shape)
 

결과.