[sklearn] predict ()

 

sklearn의 predict() 메서드란?

 

predict() 메서드는 sklearn 라이브러리의 주요 메서드 중 하나입니다.

이 메서드는 모델에 새로운 데이터를 입력하면 모델이 예측한 출력 값을 반환합니다.

 

예를 들어, 붓꽃 종을 분류하는 모델을 학습시킨 후, 새로운 붓꽃의 꽃잎과 꽃받침의 길이와 너비 값을 입력하면, predict() 메서드를 이용하여 해당 붓꽃의 종을 예측할 수 있습니다.

 

예시

다음은 sklearn의 KNeighborsClassifier 모델을 이용하여 붓꽃 데이터를 분류하는 예시 코드입니다.

 

from sklearn.datasets import load_iris
from sklearn.neighbors import KNeighborsClassifier

# 붓꽃 데이터 로드
iris = load_iris()

# 데이터와 라벨 분리
X = iris.data
y = iris.target

# 모델 생성
knn = KNeighborsClassifier(n_neighbors=3)

# 모델 학습
knn.fit(X, y)

# 새로운 샘플 데이터
new_sample = [[5.1, 3.5, 1.4, 0.2]]

# 예측
prediction = knn.predict(new_sample)
print(prediction)  # 붓꽃 종 중 하나인 0, 1, 2 중 하나의 값을 출력합니다.

 

위 코드에서 predict() 메서드는 new_sample 변수에 저장된 데이터를 이용하여 붓꽃의 종을 예측합니다.

knn.predict(new_sample) 코드는 붓꽃 종 중 하나인 0, 1, 2 중 하나의 값을 반환합니다.

 

 

• 새로운 샘플 데이터인 new_sample의 특성 값들은 각각 꽃잎 길이, 꽃잎 너비, 꽃받침 길이, 꽃받침 너비를 나타내고, 이 값을 이용하여 knn.predict(new_sample) 메서드를 호출하면, 알고리즘이 이 샘플 데이터가 가까운 이웃 데이터들을 찾아 분류를 수행합니다.
• 여기서 k값을 3으로 설정했기 때문에, 가장 가까운 3개의 이웃 데이터를 찾아 이 중에서 다수결 투표를 통해 가장 많은 클래스를 가진 데이터의 클래스를 예측값으로 선택합니다.
• 따라서 새로운 샘플 데이터의 특성 값을 분류 알고리즘이 분석한 결과, 예측된 붓꽃 종류가 0 (Setosa)인 경우에는, 이 샘플 데이터가 다수의 이웃 데이터 중에서 Setosa에 해당하는 데이터들이 가장 많이 분포해 있기 때문입니다.