안녕하세요. 😎😎 지난 시간에는 Stratified k-fold의 개념에 대해 배웠습니다.

Stratified k-fold 란, k-fold의 문제점인 target 데이터의 비율을 일정 하게 유지하며, 교차 검증을 진행 하는 것 입니다.

이번 시간에는 stratified k-fold 와 Light GBM을 이용해 와인 품질 분류를 실습 해보도록 하겠습니다.

----------------------------------------------------------------------------------------------------------------------------

# StratifiedKFold라이브러리를 이용해 5개의 fold로 나눔.

skf = StratifiedKFold(n_splits = 5)

X = train_one.drop('quality',axis = 1)

y = train_one['quality']

cnt = 1

acc = 0

for train_idx, valid_idx in skf.split(X,y):

  train_data = train_one.iloc[train_idx]

  valid_data = train_one.iloc[valid_idx]

  # 모델 정의

  model = LGBMClassifier()

  # train_X 는 train_data에서 quality 를 제외한 모든 변수

  # train_y 는 train_data의 qulity 변수

  train_X = train_data.drop('quality',axis= 1)

  train_y = train_data['quality']

  # fit 메소드를 이용해 모델 학습

  model.fit(train_X,train_y)

  valid_X = valid_data.drop('quality',axis = 1)

  valid_y = valid_data['quality']

  # predict 메소드와 valid_X 데이터를 이용해 품질 예측

  pred = model.predict(valid_X)

  # 모델 정확도 출력

  print(cnt," 번째 모델 정확도 : " ,accuracy_score(pred,valid_y))

  acc += accuracy_score(pred,valid_y)

  cnt+=1

print('모델 정확도 평균 : ',acc/5)

----------------------------------------------------------------------------------------------------------------------------

[Colab 실습 링크]

↩️ 오늘의 파이썬 리스트

#데이콘_101 #AI #머신러닝 #딥러닝 #파이썬 #파이선  #데이터분석 #데이터사이언티스트 #코랩 #Python  #colab #kaggle #pandas #numpy #sckit-learn # read_csv #스케일링 #stratified kfold #교차검증 #LGBM