[MachineLearning] bmi 학습하기

• 문제
  • 500명의 키와 몸무게, 비만도 라벨을 이용하여 비만을 판단하는 모델을 만들어보자

In [1]:

# 판다스. 시각화
import pandas as pd
import matplotlib.pyplot as plt

# 모델 관련한 불러오는 코드 (2줄)
# knn 모델 불러오기, 측정 도구 불러오기
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score

 

데이터 준비(수집)

In [2]:

# pd.read_csv('파일 경로 설정')
# data 변수에 담아주기
# Label 컬럼을 인덱스로 설정해서 불러오기
data = pd.read_csv('./data/bmi_500.csv', index_col = 'Label')
data

Out[2]:

GenderHeightWeightLabelObesityNormalObesityOverweightOverweight...Extreme ObesityObesityExtreme ObesityExtreme ObesityExtreme Obesity

Male	174	96
Male	189	87
Female	185	110
Female	195	104
Male	149	61
...	...	...
Female	150	153
Female	184	121
Female	141	136
Male	150	95
Male	173	131

500 rows × 3 columns

In [3]:

# 데이터 정보 확인해보기
# 전체 행, 컬럼 정보, 결측치 여부 확인
data.info()
# shape: (500.3)
# 성별 컬럼, 키, 몸무게 모두 결측치 x
# 데이터 확인 필수 -! -> 머신러닝 모델은 문자를 이해할 수 없음
# 이번 실습에서는 Height, Weight, Label 3개만 활용

<class 'pandas.core.frame.DataFrame'>
Index: 500 entries, Obesity to Extreme Obesity
Data columns (total 3 columns):
 #   Column  Non-Null Count  Dtype 
---  ------  --------------  ----- 
 0   Gender  500 non-null    object
 1   Height  500 non-null    int64 
 2   Weight  500 non-null    int64 
dtypes: int64(2), object(1)
memory usage: 15.6+ KB

 

데이터 전처리 : pass

데이터 분석(탐색)

• 기술 통계 확인: 평균, 최소, 중앙(오름차순으로 줄세웠을 때 정중앙에 있는 값), 최대
• 시각화를 통해 데이터의 분포 확인해보기

In [4]:

# describe()
# int, float 컬럼들에 대해서 먼저 작용
data.describe()
# 현재 data 안에는 비만인 사람의 데이터가 많이 있음을 알 수 있다

Out[4]:

HeightWeightcountmeanstdmin25%50%75%max

500.000000	500.000000
169.944000	106.000000
16.375261	32.382607
140.000000	50.000000
156.000000	80.000000
170.500000	106.000000
184.000000	136.000000
199.000000	160.000000

In [5]:

# 먼저 Label 확인이 필요함
# 중복없이 Label 확인해보자 - unique
data.index.unique()

# 'Extreme Obesity' 고도비만
# 'Oversity' 비만
# 'Overweight' 과체중
# 'Normal' 정상체중
# 'Weak' 저체중
# 'Extremely Weak' 극심한 저체중

Out[5]:

Index(['Obesity', 'Normal', 'Overweight', 'Extreme Obesity', 'Weak',
       'Extremely Weak'],
      dtype='object', name='Label')

In [6]:

data

Out[6]:

GenderHeightWeightLabelObesityNormalObesityOverweightOverweight...Extreme ObesityObesityExtreme ObesityExtreme ObesityExtreme Obesity

Male	174	96
Male	189	87
Female	185	110
Female	195	104
Male	149	61
...	...	...
Female	150	153
Female	184	121
Female	141	136
Male	150	95
Male	173	131

500 rows × 3 columns

In [7]:

# 각각의 값의 획수를 셀 수 있는 함수(기능)
# pandas객체.value_counts()
data.index.value_counts()

Out[7]:

Extreme Obesity    198
Obesity            130
Normal              69
Overweight          68
Weak                22
Extremely Weak      13
Name: Label, dtype: int64

In [8]:

# 시각화 해보기 : 비만도 레이블을 표현해보기
# x축 키, y축 몸무게를 기준으로
# Extreme Obesity 에 해당하는 행만 접근하기
# loc[행인덱싱]
d = data.loc['Extreme Obesity'] # .shape 크기확인
plt.scatter(d['Height'], d['Weight'], c='pink', label='Extreme Obesity') # d.loc[:,'Height']

# Obesity 행만 접근해보기 -> d2
# 산점도 표현해보기
d2 = data.loc['Obesity']
plt.scatter(d2['Height'], d2['Weight'], c='gray', label='Obesity')
plt.legend() # 범례표시
plt.show()

In [9]:

# 그래프를 그리는 함수 정의
def bmi_draw(label, color) :
    d2 = data.loc[label]  #.shape 크기확인
    plt.scatter(d2['Height'], d2['Weight'], c=color, label = label)

In [10]:

data.index.unique()

Out[10]:

Index(['Obesity', 'Normal', 'Overweight', 'Extreme Obesity', 'Weak',
       'Extremely Weak'],
      dtype='object', name='Label')

In [11]:

# Label을 하나씩 연결하고 색감도 설정하면서 함수를 6번 호출(사용)
bmi_draw('Extreme Obesity', 'blue')
bmi_draw('Obesity', 'cyan')
bmi_draw('Overweight', 'green')
bmi_draw('Normal', 'yellow')
bmi_draw('Weak', 'orange')
bmi_draw('Extremely Weak', 'red')
plt.legend()
plt.show()

 

모델링

• 모델 선택 및 하이퍼 파라미터 조정(knn모델 선택)
• 모델 학습
• 모델 예측 및 평가

In [12]:

# 인덱스에 있는 label을 컬럼쪽으로 연결하기(이동하기)
# 컬럼명 확인 df.columns
data2 = data.reset_index() # 원본을 유지하고 싶다면 새로운 변수명
data2
# data index가 Label로 된 상태가 그대로 유지됨(원본 유지)

Out[12]:

LabelGenderHeightWeight01234...495496497498499

Obesity	Male	174	96
Normal	Male	189	87
Obesity	Female	185	110
Overweight	Female	195	104
Overweight	Male	149	61
...	...	...	...
Extreme Obesity	Female	150	153
Obesity	Female	184	121
Extreme Obesity	Female	141	136
Extreme Obesity	Male	150	95
Extreme Obesity	Male	173	131

500 rows × 4 columns

In [13]:

# 인덱싱 설명
# numpy 2차원일 때
import numpy as np
arr = np.arange(0,10).reshape(2,5)
display(arr) # 기존의 자료구조 형태의 모양을 유지하면서 출력
# 1번째 행 접근
display(arr[1])
# 숫자 8이라는 데이터 접근 arr[행][열]
display(arr[1][3])

# 숫자 4에 접근하기
display(arr[0][4])
# arr[행][열] -> arr[행,열]

array([[0, 1, 2, 3, 4],
       [5, 6, 7, 8, 9]])

array([5, 6, 7, 8, 9])

8

4

In [14]:

# 판다스에서
# loc, iloc 인덱서를 사용해야 가능
# df.loc[행,열]
# df.iloc[행,열]

# 행 데이터 접근 
# df.loc[행] , df.loc[값:값] ==> df.loc[행:행]
# df.iloc[행], df.iloc[값:값] ==> df.iloc[행:행]

# 열 데이터 접근
# df.loc[:,열] ,  df.loc[:, 열:열]
# df.iloc[:,열인덱스] ,  df.loc[:, 열인덱스:열인덱스]

# 행,열 접근
# df.loc[시작행:끝행, 시작열:끝열]   
# df.iloc[시작행인덱스:끝행인덱스, 시작열인덱스:끝열인덱스]

In [15]:

# 문제, 답 (컬럼 분리)
X = data2.loc[:, 'Height':] #끝까지면 생략가능

y = data2.loc[:, 'Label']

# 크기확인
print('문제크기:', X.shape)
print('답크기:', y.shape)

문제크기: (500, 2)
답크기: (500,)

In [16]:

# 행이 총 몇 개? 500
# train, test 데이터로 분리하는 비율
# 7:3 (7.5:2.5), (8:2)
# X_train, y_train, X_test, y_test
# 500개 중에서 70%에 속하는 데이터의 개수는? ~350개
X_train = X.iloc[:350] # X에서 ~350개까지
X_test = X.iloc[350:]# X에서 350번째 부터 끝~

y_train = y.iloc[:350] # y에서 ~350개까지
y_test = y.iloc[350:]# y에서 350번째부터 ~
print(X_train.shape, y_train.shape)
print(X_test.shape, y_test.shape)

(350, 2) (350,)
(150, 2) (150,)

 

모델링

• 모델 객체 생성
• 모델 학습
• 모델 평가 및 예측

In [17]:

# 데이터 클래스(카테고리)의 개수는?
from sklearn.neighbors import KNeighborsClassifier
# 여섯개중에 한 개를 판단하는 것 -> 분류
from sklearn.metrics import accuracy_score # 정확도 지표

In [18]:

# knn_model 이라는 변수로 모델 객체 생성
# 사람이 설정하는 매개변수 => 하이퍼 파라미터
# 이웃의 수 n_neighbors : 5개
knn_model = KNeighborsClassifier(n_neighbors=5)

In [19]:

# 모델 학습
# fit (훈련문제, 훈련답)
knn_model.fit(X_train, y_train)

Out[19]:

In [20]:

# 예측 시켜보기
# predict(테스트문제)
pre = knn_model.predict(X_test)
# pre.size # 150개 예측

In [21]:

# test 평가
# 정확도 지표
accuracy_score(y_test, pre) # 100 --> 91%

Out[21]:

0.9066666666666666