import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sb
#당뇨병을 분류하는 모델
df
Preg | Plas | Pres | skin | test | mass | pedi | age | class | |
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 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
763 | 10 | 101 | 76 | 48 | 180 | 32.9 | 0.171 | 63 | 0 |
764 | 2 | 122 | 70 | 27 | 0 | 36.8 | 0.340 | 27 | 0 |
765 | 5 | 121 | 72 | 23 | 112 | 26.2 | 0.245 | 30 | 0 |
766 | 1 | 126 | 60 | 0 | 0 | 30.1 | 0.349 | 47 | 1 |
767 | 1 | 93 | 70 | 31 | 0 | 30.4 | 0.315 | 23 | 0 |
df['class']의 의미 ?
(1:당뇨이다, 0:당뇨가 아니다)
nan 정리하기
비어있는 데이터는 없지만 비어있는 항목 대신 0으로 셋팅한 데이터이다
따라서, Plas 컬럼부터 mass컬럼까지는 0으로 셋팅된 값을 nan으로 만들려고 한다.
df.loc[ : , 'Plas' : 'mass' ] = df.loc[ : , 'Plas' : 'mass' ].replace(0,np.nan)
df = df.dropna()
y와 X로 나누기
y = df['class']
X = df.loc[ : , 'Plas' : 'age' ]
y.value_counts()
class
0 262
1 130
Name: count, dtype: int64
당뇨가 아닌 사람은 262명, 당뇨인 사람은 130명 있다
이 수를 맞춰주고 싶다면
imblearn 라이브러리를 이용하여 리샘플링하기
! pip install imblearn
from imblearn.over_sampling import SMOTE
sm = SMOTE(random_state=5)
X, y = sm.fit_resample(X, y)
y.value_counts()
class
0 262
1 262
Name: count, dtype: int64
'ML (MachineLearning)' 카테고리의 다른 글
SVM(Support Vector Machine) 알고리즘으로 새로운 데이터 카테고리 분류하기 (0) | 2024.04.15 |
---|---|
KNN(K nearest neighbor) 알고리즘으로 새로운 데이터 카테고리 분류하기 (0) | 2024.04.15 |
Logistic Regression (로지스틱 회귀) (0) | 2024.04.15 |
Linear regression을 사용하여 신규 데이터 입력 시, 데이터 기반 예측 값 알려주기 (5) | 2024.04.15 |
Regressor(회귀모델) 생성하고, MSE(평균제곱오차)구하는 방법 (0) | 2024.04.12 |