퍼셉트론 선형 분류기를 이용해 붓꽃 데이터 분류하기

import numpy as np

 

from sklearn.datasets import load_iris

from sklearn.metrics import accuracy_score

from sklearn.model_selection import train_test_split

from sklearn.linear_model import Perceptron

 

from elice_utils import EliceUtils

elice_utils = EliceUtils()

 

np.random.seed(100)

 

'''

1. iris 데이터를 불러오고,

   불러온 데이터를 학습용, 테스트용 데이터로

   분리하여 반환하는 함수를 구현합니다.

  

   Step01. 불러온 데이터를 학습용 데이터 80%,

           테스트용 데이터 20%로 분리합니다.

          

           일관된 결과 확인을 위해 random_state를

           0으로 설정합니다.       

'''

 

def load_data():

   

    iris = load_iris()

   

    X = iris.data[:,2:4]

    Y = iris.target

   

    X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.2, random_state=0)

   

    return X_train, X_test, Y_train, Y_test

   

'''

2. 사이킷런의 Perceptron 클래스를 사용하여

   Perceptron 모델을 정의하고,

   학습용 데이터에 대해 학습시킵니다.

  

   Step01. 앞서 완성한 함수를 통해 데이터를 불러옵니다.

  

   Step02. Perceptron 모델을 정의합니다.

           max_iter와 eta0를 자유롭게 설정해보세요.

  

   Step03. 학습용 데이터에 대해 모델을 학습시킵니다.

  

   Step04. 테스트 데이터에 대한 모델 예측을 수행합니다.

'''

 

def main():  

   

    X_train, X_test, Y_train, Y_test = load_data()

   

    perceptron = Perceptron(max_iter=20, eta0=1)

   

    perceptron.fit(X_train, Y_train)

   

    pred = perceptron.predict(X_test)

   

    accuracy = accuracy_score(pred, Y_test)

   

    print("Test 데이터에 대한 정확도 : %0.5f" % accuracy)

   

    return X_train, X_test, Y_train, Y_test, pred

 

if __name__ == "__main__":

    main()