들어가기 앞서
첫 주 스터디를 듣느라 고생하셨습니다! 1주차 과제는 수업시간에 실습한 내용을 바탕으로 진행됩니다.
단순히 코드를 옮겨 적는 것이 아니라, 각 코드가 머신러닝 과정의 어떤 단계에 해당하는지를 이해해 주세요.
먼저, 수업시간에 작성한 코드를 그대로 실행하여 전체 흐름을 다시 확인해주세요.
이후, 제공된 코드 아래에 이어서 직접 코드를 작성하며 과제를 수행해주세요.
모르는 부분이 생긴거나 궁금하다면 디스코드 #정규스터디-질문방 에 질문해주세요!
과제
목표
•
수업시간의 내용을 직접 실습을 통해 익혀보아요.
•
새로운 데이터에 대한 KNN 모델의 예측과 데이터 시각화를 통한 사람의 판단을 비교해보아요.
제출해야 할 파일
AI_정규_1주차.ipynb & wil.md
•
AI_정규_1주차.ipynb - 코드 (실습 + 과제)
•
wil.md- 배운 점 & 느낀 점 (300자 이상)
과제 명세서 - AI_정규_1주차.ipynb
수업시간에 실습한 내용과 과제를 하나의 파일 AI_정규_1주차.ipynb에 작성하여 제출해주세요.
수업시간 내용 실습
# 도미 데이터
bream_length = [25.4, 26.3, 26.5, 29.0, 29.0, 29.7, 29.7, 30.0, 30.0, 30.7, 31.0, 31.0, 31.5, 32.0, 32.0, 32.0, 33.0, 33.0, 33.5, 33.5, 34.0, 34.0, 34.5, 35.0, 35.0, 35.0, 35.0, 36.0, 36.0, 37.0, 38.5, 38.5, 39.5, 41.0, 41.0]
bream_weight = [242.0, 290.0, 340.0, 363.0, 430.0, 450.0, 500.0, 390.0, 450.0, 500.0, 475.0, 500.0, 500.0, 340.0, 600.0, 600.0, 700.0, 700.0, 610.0, 650.0, 575.0, 685.0, 620.0, 680.0, 700.0, 725.0, 720.0, 714.0, 850.0, 1000.0, 920.0, 955.0, 925.0, 975.0, 950.0]
Python
복사
# 도미 데이터 시각화
import matplotlib.pyplot as plt
plt.scatter(bream_length, bream_weight)
plt.xlabel('length')
plt.ylabel('weight')
plt.show()
Python
복사
# 빙어 데이터
smelt_length = [9.8, 10.5, 10.6, 11.0, 11.2, 11.3, 11.8, 11.8, 12.0, 12.2, 12.4, 13.0, 14.3, 15.0]
smelt_weight = [6.7, 7.5, 7.0, 9.7, 9.8, 8.7, 10.0, 9.9, 9.8, 12.2, 13.4, 12.2, 19.7, 19.9]
Python
복사
# 빙어 데이터 시각화
plt.scatter(bream_length, bream_weight)
plt.scatter(smelt_length, smelt_weight)
plt.xlabel('length')
plt.ylabel('weight')
plt.show()
Python
복사
# 두 데이터 합치기
length = bream_length+smelt_length
weight = bream_weight+smelt_weight
print(length)
print(weight)
Python
복사
# 데이터 입력 구조 바꾸기
fish_data = [[l, w] for l, w in zip(length, weight)]
print(fish_data)
Python
복사
# 정답지 만들기
fish_target = [1]*35 + [0]*14
print(fish_target)
Python
복사
# knn 분류기
from sklearn.neighbors import KNeighborsClassifier
kn = KNeighborsClassifier()
Python
복사
# 모델 훈련
kn.fit(fish_data, fish_target)
Python
복사
# 모델 성능
kn.score(fish_data, fish_target)
Python
복사
위 내용까지는 수업시간에 실습한 내용입니다.
아래부터는 과제에 해당하므로, 이어서 셀을 추가하여, 코드를 직접 작성해주세요.
과제
# 1. 새로운 데이터 추가
# - 아래 new_fish 데이터를 생성해주세요.
# new_fish = [
# [30, 600],
# [12, 10],
# [25, 150]
# ]
Python
복사
# 2. 기존 도미, 빙어 데이터와 함께 new_fish를 그래프에 표시해주세요.
# - new_fish는 기존 빙어, 도미 데이터와 구분되도록 다른 마커 또는 색으로 표시해주세요.
Python
복사
# 3. kn.predict()를 사용하여 new_fish가 도미인지 빙어인지를 예측해주세요.
# - 새로운 데이터를 예측할때는 predict() 함수를 사용해주는데요.
# - 해당 함수를 사용하여, 예측 결과를 출력해주세요.
# - 해당 결과가 시각화했을때의 결과와 일치하는지 눈으로 확인해주세요.
Python
복사
과제 명세서 - wil.md
•
새로운 데이터(new_fish)가 도미인지 빙어인지에 대해, 그래프를 통해 눈으로 판단한 결과와 KNN 모델의 예측 결과(kn.predict)가 일치하는지 또는 다른지를 비교한 결과를 작성해주세요.
•
1주차 수업을 통해 배운 점 혹은 느낀 점을 작성해주세요.
마감 기한
3월 26일 (목) 23:59까지
제출 방법
자신의 레포지토리에 weekn 폴더를 생성해 .ipynb파일과 wil.md 파일을 제출합니다.
더 자세한 사항은 아래 링크를 참조해주세요.