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

49

1

장

소개

Out [27]:

X_new.shape: (1, 4)

붓꽃 하나의 측정값은

2

차원

NumPy

배열에 행으로 들어갑니다.

scikit

-

learn

은 항상 데이터

가

2

차원 배열일 것으로 예상합니다.

예측에는

knn

객체의

predict

메서드를 사용합니다.

In [28]:

prediction = knn.predict(X_new)

print("예측:", prediction)

print("예측한 타깃의 이름:",

iris_dataset['target_names'][prediction])

Out [28]:

예측: [0]

예측한 타깃의 이름: ['setosa']

우리가 만든 모델이 새로운 붓꽃을

setosa

품종을 의미하는 클래스

0

으로 예측했습니다. 그런

데 어떻게 이 모델의 결과를 신뢰할 수 있을까요? 이 샘플의 정확한 품종을 모른다는 사실이

모델을 구축하는 데 있어서 중요한 의미를 가집니다.

1.7.6

모델 평가하기

앞서 만든 테스트 세트를 사용할 때가 왔습니다. 이 데이터는 모델을 만들 때 사용하지 않았고

테스트 세트에 있는 각 붓꽃의 품종을 정확히 알고 있습니다.

따라서 테스트 데이터에 있는 붓꽃의 품종을 예측하고 실제 레이블 (품종 )과 비교할 수 있습니다.

얼마나 많은 붓꽃 품종이 정확히 맞았는지

정확도

를 계산하여 모델의 성능을 평가합니다.

In [29]: ...