파이썬 라이브러리를 활용한 머신러닝(번역개정판): 사이킷런 핵심 개발자가 쓴 머신러닝과 데이터 과학 실무서

43

1

장

소개

In [20]:

print("타깃:\n", iris_dataset['target'])

Out [20]:

타깃:

[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2

2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

2 2]

숫자의 의미는

iris

_

dataset

['

target

_

names

'] 배열에서 확인할 수 있습니다.

0

은

setosa

,

1

은

versicolor

,

2

는

virginica

입니다.

1.7.2

성과 측정: 훈련 데이터와 테스트 데이터

이 데이터로 머신러닝 모델을 만들고 새로운 데이터의 품종을 예측하려 합니다. 하지만 만든

모델을 새 데이터에 적용하기 전에 이 모델이 진짜 잘 작동하는지 알아야 합니다. 다시 말해서

우리가 만든 모델의 예측을 신뢰할 수 있는지 알아야 합니다.

불행히도 모델을 만들 때 쓴 데이터는 평가 ...