모각코 3회차 - 7/17일, 14시~17시

목표

유방암 데이터셋으로 데이터 분석. 머신러닝 모델 학습(F1 Score 80 넘기기)

 

결과

https://www.kaggle.com/datasets/akshaydattatraykhare/diabetes-dataset

Diabetes Dataset

위 사이트의 데이터 사용

In [ ]:

from google.colab import drive
drive.mount('/content/drive')

Mounted at /content/drive

In [ ]:

import numpy as np # 배열들의 연산을 해주는 라이브러리
import pandas as pd # 주로 DataFrame이라고 불리는 이차원 배열을 처리하는 라이브러리

In [ ]:

from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score
from sklearn.metrics import f1_score
from sklearn.metrics import confusion_matrix
from sklearn.model_selection import train_test_split

In [ ]:

path = '/content/drive/MyDrive/Colab Notebooks/data/diabetes/' # 파일 경로

In [ ]:

data = pd.read_csv(path + 'diabetes.csv')

In [ ]:

data.head()

Out[ ]:

	Pregnancies	Glucose	BloodPressure	SkinThickness	Insulin	BMI	DiabetesPedigreeFunction	Age	Outcome
0	6	148	72	35	0	33.6	0.627	50	1
1	1	85	66	29	0	26.6	0.351	31	0
2	8	183	64	0	0	23.3	0.672	32	1
3	1	89	66	23	94	28.1	0.167	21	0
4	0	137	40	35	168	43.1	2.288	33	1

In [ ]:

X_train, X_test, y_train, y_test = train_test_split(data.iloc[:, :-1], data.iloc[:, -1], test_size=0.2, random_state=42) # 학습, 테스트 데이터 분류

In [ ]:

y_train.head()

Out[ ]:

60     0
618    1
346    0
294    0
231    1
Name: Outcome, dtype: int64

In [ ]:

model = RandomForestClassifier(
            n_estimators=20, ## 붓스트랩 샘플 개수 또는 base_estimator 개수
            criterion='entropy', ## 불순도 측도
            max_depth=5, ## 개별 나무의 최대 깊이
            oob_score=True, ## Out-of-bag 데이터를 이용한 성능 계산
            random_state=42, ## 랜덤 시드
        )

model.fit(X_train, y_train) # 모델 학습

predict = model.predict(X_test) # 예측

# 평가
print('Accuracy:', accuracy_score(y_test, predict))
print('Confusion Matrix:\n', confusion_matrix(y_test, predict))
print('F1 Score:', f1_score(y_test, predict))

Accuracy: 0.7727272727272727
Confusion Matrix:
 [[82 17]
 [18 37]]
F1 Score: 0.6788990825688074