Scikit Learn-데이터 표현

기계 학습이 데이터에서 모델을 생성하려고한다는 것을 알고 있습니다. 이를 위해 컴퓨터는 먼저 데이터를 이해해야합니다. 다음으로, 컴퓨터로 이해하기 위해 데이터를 표현하는 다양한 방법에 대해 논의 할 것입니다.

테이블로 데이터

Scikit-learn에서 데이터를 표현하는 가장 좋은 방법은 테이블 형식입니다. 테이블은 행이 데이터 세트의 개별 요소를 나타내고 열이 해당 개별 요소와 관련된 수량을 나타내는 2D 데이터 그리드를 나타냅니다.

예

아래 주어진 예를 사용하여 iris dataset 파이썬의 도움으로 Pandas DataFrame의 형태로 seaborn 도서관.

import seaborn as sns
iris = sns.load_dataset('iris')
iris.head()

산출

sepal_length sepal_width petal_length petal_width  species
0        5.1      3.5         1.4             0.2   setosa
1        4.9      3.0         1.4             0.2   setosa
2        4.7      3.2         1.3             0.2   setosa
3        4.6      3.1         1.5             0.2   setosa
4        5.0      3.6         1.4             0.2   setosa

위의 출력에서 데이터의 각 행은 관찰 된 단일 꽃을 나타내고 행 수는 데이터 세트의 총 꽃 수를 나타냅니다. 일반적으로 행렬의 행을 샘플이라고합니다.

반면에 데이터의 각 열은 각 샘플을 설명하는 정량적 정보를 나타냅니다. 일반적으로 행렬의 열을 특성이라고합니다.

기능 매트릭스로서의 데이터

특징 행렬은 정보를 2 차원 행렬로 생각할 수있는 테이블 레이아웃으로 정의 할 수 있습니다. 이름이 지정된 변수에 저장됩니다.X모양이 [n_samples, n_features] 인 2 차원이라고 가정합니다. 대부분 NumPy 배열 또는 Pandas DataFrame에 포함되어 있습니다. 앞서 말했듯이 샘플은 항상 데이터 세트에서 설명하는 개별 개체를 나타내고 기능은 각 샘플을 정량적으로 설명하는 별개의 관찰을 나타냅니다.

타겟 어레이로서의 데이터

X로 표시되는 기능 매트릭스와 함께 대상 배열도 있습니다. 레이블이라고도합니다. y로 표시됩니다. 레이블 또는 대상 배열은 일반적으로 길이가 n_samples 인 1 차원입니다. 일반적으로 NumPy에 포함되어 있습니다.array 또는 판다 Series. 대상 배열에는 값, 연속 숫자 값 및 이산 값이 모두있을 수 있습니다.

타겟 어레이는 특성 열과 어떻게 다릅니 까?

대상 배열이 일반적으로 데이터에서 예측하려는 양이라는 점을 한 점으로 구분할 수 있습니다. 즉, 통계적 측면에서 종속 변수입니다.

예

아래 예에서 홍채 데이터 세트에서 다른 측정 값을 기반으로 꽃의 종을 예측합니다. 이 경우 종 열이 기능으로 간주됩니다.

import seaborn as sns
iris = sns.load_dataset('iris')
%matplotlib inline
import seaborn as sns; sns.set()
sns.pairplot(iris, hue='species', height=3);

산출

X_iris = iris.drop('species', axis=1)
X_iris.shape
y_iris = iris['species']
y_iris.shape

산출

(150,4)
(150,)