[파이썬] 파이썬을 이용한 데이터 평가 샘플 프로젝트
이 블로그 포스트에서는 데이터 평가를 위해 파이썬을 사용하는 샘플 프로젝트를 소개합니다. 이 프로젝트는 데이터의 정확성과 유효성을 평가하는 데 도움이 될 수 있는 방법을 보여줄 것입니다.
1. 데이터 불러오기
import pandas as pd
# 데이터 파일 불러오기
data = pd.read_csv('data.csv')
# 데이터 확인
print(data.head())
위의 코드는 pandas 패키지를 이용하여 CSV 파일에서 데이터를 불러오는 예시입니다. read_csv 함수를 사용하여 파일을 읽고, head 함수를 사용하여 처음 몇 줄의 데이터를 확인할 수 있습니다.
2. 데이터 전처리
# 결측치 확인
missing_values = data.isnull().sum()
# 결측치 처리
data = data.dropna()
# 데이터 확인
print(data.head())
위의 코드는 데이터에 있는 결측치를 확인하고 처리하는 예시입니다. isnull 함수를 사용하여 결측치를 확인하고, dropna 함수를 사용하여 결측치가 있는 행을 삭제합니다.
3. 데이터 시각화
import matplotlib.pyplot as plt
# 히스토그램 생성
plt.hist(data['age'], bins=10)
# 그래프 표시
plt.show()
위의 코드는 데이터를 시각화하는 예시입니다. matplotlib.pyplot 패키지를 사용하여 히스토그램을 생성하고, show 함수를 사용하여 그래프를 표시합니다.
4. 모델 생성과 평가
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error
# 독립 변수와 종속 변수 분리
X = data.drop('target', axis=1)
y = data['target']
# 데이터 분할
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 선형 회귀 모델 생성
model = LinearRegression()
# 모델 학습
model.fit(X_train, y_train)
# 예측
y_pred = model.predict(X_test)
# 평가
mse = mean_squared_error(y_test, y_pred)
print('Mean Squared Error:', mse)
위의 코드는 모델을 생성하고 평가하는 예시입니다. scikit-learn 패키지를 사용하여 선형 회귀 모델을 생성하고 학습시키고, 예측 결과와 실제 결과를 비교하여 평가합니다.
이와 같이 파이썬을 이용하여 데이터 평가를 수행하는 샘플 프로젝트를 진행할 수 있습니다. 이 프로젝트를 기반으로 데이터 평가에 대한 이해를 높이고, 실제 데이터에 적용하여 정확성을 평가할 수 있습니다.