지도 학습은 기계 학습의 주요 분야 중 하나로, 데이터를 통해 모델을 학습하고 예측하는 과정입니다. 파이썬은 이러한 지도 학습 프로젝트를 쉽게 구현할 수 있는 강력한 도구입니다. 이번 글에서는 파이썬을 이용한 지도 학습 프로젝트를 예시로 살펴보겠습니다.

프로젝트 소개

이 프로젝트에서는 붓꽃 데이터셋을 사용하여 꽃의 품종을 예측하는 모델을 구현합니다. 이 데이터셋은 사이킷런 라이브러리에서 제공하는 예제 데이터셋으로, 총 150개의 샘플과 3가지 품종(붓꽃 setosa, versicolor, virginica)으로 구성되어 있습니다.

라이브러리 설치

먼저 필요한 라이브러리를 설치해야 합니다. 아래 명령어를 사용하여 scikit-learn 라이브러리를 설치합니다.

pip install scikit-learn

코드 구현

다음은 지도 학습 프로젝트를 위한 파이썬 코드입니다.

# 필요한 라이브러리 불러오기
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score

# 데이터셋 불러오기
iris = load_iris()

# 특성과 레이블 나누기
X = iris.data
y = iris.target

# 훈련 데이터셋과 테스트 데이터셋 나누기
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# KNN 모델 학습
model = KNeighborsClassifier()
model.fit(X_train, y_train)

# 테스트 데이터셋을 사용하여 예측 수행
y_pred = model.predict(X_test)

# 정확도 계산
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)

결과 분석

위 코드를 실행하면 붓꽃 데이터셋을 통해 학습된 KNN(K-Nearest Neighbors) 모델의 정확도가 출력됩니다. 정확도는 예측 결과와 실제 결과가 얼마나 일치하는지를 나타내는 지표로, 0과 1 사이의 값을 가지며 1에 가까울수록 좋은 성능을 나타냅니다.

지금까지 파이썬을 이용한 간단한 지도 학습 프로젝트를 살펴보았습니다. 파이썬은 다양한 머신러닝 라이브러리와 쉽고 간편한 문법을 제공하여 지도 학습 프로젝트를 구현하는 데 매우 유용한 도구입니다. 앞으로 더 많은 프로젝트를 통해 파이썬의 강력함을 경험해보시기 바랍니다.