* load_iris 데이터셋
- petal length, petal width, sepal length, sepal width에 따라 세 종류로 나눌 수 있다.
데이터 로드
from sklearn.datasets import load_iris
load_iris() # 붓꽃 데이터 리턴 - dict
ir_dic = load_iris()
X = ir_dic['data'] # 독립변수 저장
y = ir_dic.target # 종속변수 저장
Random Forest Classifier 학습
from sklearn.ensemble import RandomForestClassifier
rfc = RandomForestClassifier(n_estimators=10) # 10개의 Decision Tree를 만들 객체 생성
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)
rfc.fit(X_train, y_train) # 트리 만들기
rfc.estimators_[8] # 9번째 Decision Tree 확인할 수 있다
랜덤하게 만들어진 결정트리 10개 중 하나의 트리 시각화
from sklearn import tree
import pydotplus
from IPython.display import Image
dt_dot_data = tree.export_graphviz(rfc.estimators_[8],
feature_names=['sepal length', 'sepal width', 'petal length', 'petal width'],
class_names=['setosa', 'versicolor', 'virginica']) # 9번째 트리 시각화
dt_graph = pydotplus.graph_from_dot_data(dt_dot_data) # dt_dot_data(트리내용)을 그림으로 바꿀 객체 생성
Image(dt_graph.create_png())
dt_graph.write_pdf('9번째 트리 고이고이 간직하리.pdf')성능평가지표는 다음 시간에.. (https://horangcat.tistory.com/16)
(참고자료)
https://en.wikipedia.org/wiki/Confusion_matrix
Confusion matrix - Wikipedia
From Wikipedia, the free encyclopedia Jump to navigation Jump to search Table layout for visualizing performance; also called an error matrix Terminology and derivationsfrom a confusion matrix condition positive (P) the number of real positive cases in the
en.wikipedia.org
https://towardsdatascience.com/the-f1-score-bec2bbc38aa6
The F1 score
All you need to know about the F1 score in machine learning. With an example applying the F1 score in Python.
towardsdatascience.com
'Data Science' 카테고리의 다른 글
| 220118) Random Forest Classifier 성능평가 (0) | 2022.01.18 |
|---|---|
| Random Forest Classifier, 전에 몰랐던 것들 (0) | 2022.01.18 |
| code) play tennis data로 Decision Tree Classifier 적용해보기, 트리 시각화, train_test_split 후 성능평가까지 (0) | 2022.01.16 |
| 220114) 머신러닝 첫날 (0) | 2022.01.14 |
| 220113) AWS와 머신러닝 (0) | 2022.01.13 |