[java] 자바로 구현된 Weka와 TensorFlow 데이터 시각화 방법

05 Dec 2023

java

데이터 시각화는 머신러닝과 데이터 분석 과정에서 중요한 부분입니다. 데이터를 시각적으로 표현하면 패턴과 경향성을 파악하고 모델의 성능을 평가하는 데 도움이 됩니다. 이번 글에서는 자바로 구현된 Weka와 TensorFlow를 사용하여 데이터를 시각화하는 방법에 대해 알아보겠습니다.

Weka를 사용한 데이터 시각화

Weka는 자바로 작성된 머신러닝 라이브러리로, 다양한 데이터 마이닝 작업을 지원합니다. Weka에서 제공하는 시각화 도구를 사용하면 데이터를 다양한 형태로 시각화할 수 있습니다.

Scatter plot

// 데이터 로드
Instances data = ... // 데이터 준비 (Instances 클래스를 사용하여 데이터를 로드해야 함)

// 시각화 객체 생성
PlotData2D plot = new PlotData2D(data);

// 속성 설정
PlotCanvas canvas = plot.getPlotCanvas();
canvas.setAxisLabels("x", "y");
canvas.setPlotName("Scatter Plot");

// 시각화 실행
JFrame frame = new JFrame("Scatter Plot");
frame.setDefaultCloseOperation(JFrame.EXIT_ON_CLOSE);
frame.getContentPane().add(canvas);
frame.pack();
frame.setVisible(true);

Box plot

// 데이터 로드
Instances data = ... // 데이터 준비 (Instances 클래스를 사용하여 데이터를 로드해야 함)

// 시각화 객체 생성
weka.gui.visualize.BoxAndWhiskerPlot plot = new weka.gui.visualize.BoxAndWhiskerPlot();

// 속성 설정
plot.setInstances(data);
plot.setBoxWidthPercentage(0.6);

// 시각화 실행
JFrame frame = new JFrame("Box Plot");
frame.setDefaultCloseOperation(JFrame.EXIT_ON_CLOSE);
frame.getContentPane().add(plot.getVisualizePanel());
frame.pack();
frame.setVisible(true);

TensorFlow를 사용한 데이터 시각화

TensorFlow는 머신러닝과 딥러닝에 주로 사용되는 오픈 소스 라이브러리입니다. TensorFlow를 사용하여 데이터를 시각화하기 위해서는 Matplotlib 라이브러리를 이용할 수 있습니다.

선 그래프

import org.tensorflow.*;
import org.tensorflow.ndarray.FloatNdArray;
import org.tensorflow.ndarray.NdArrays;
import org.tensorflow.ndarray.StdArrays;
import org.tensorflow.op.Ops;
import org.tensorflow.types.TFloat32;

import java.awt.*;
import java.io.IOException;
import java.nio.file.Files;
import java.nio.file.Path;
import java.nio.file.Paths;
import java.util.Arrays;
import javax.swing.*;

public class TensorFlowLinePlot {
    public static void main(String[] args) {
        // 데이터 준비
        float[] x = {1, 2, 3, 4, 5};
        float[] y = {1, 4, 9, 16, 25};

        // TensorFlow 그래프 생성
        try (Graph g = new Graph()) {
            Ops tf = Ops.create(g);

            // x, y 데이터를 텐서로 변환
            FloatNdArray xTensor = NdArrays.vectorOf(x);
            FloatNdArray yTensor = NdArrays.vectorOf(y);

            // 시각화
            JFrame frame = new JFrame();
            frame.setDefaultCloseOperation(JFrame.EXIT_ON_CLOSE);

            // 그래프 패널 생성 및 속성 설정
            LinePlotPanel panel = new LinePlotPanel();
            panel.setTitle("Line Plot");
            panel.setXLabel("x");
            panel.setYLabel("y");
            panel.setWindowSize(500, 400);
            panel.setAxesColor(Color.BLACK);

            // 데이터 설정
            panel.addLinePlot("y = x^2", Color.BLUE, StdArrays.floatsToDoubles(
                    xTensor.getFloats()), StdArrays.floatsToDoubles(
                    tf.math.square(yTensor).asTensor().read().getFloats()));

            frame.getContentPane().add(panel);
            frame.pack();
            frame.setVisible(true);
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}

위의 예제 코드에서는 TensorFlow 그래프를 생성한 후 x, y 데이터를 텐서로 변환하여 시각화하였습니다. Matplotlib의 LinePlotPanel을 이용하여 선 그래프를 생성하고 데이터를 설정하였습니다.

결론

위에서 언급한 방법을 사용하여 자바로 구현된 Weka와 TensorFlow에서 데이터를 시각화할 수 있습니다. 데이터 시각화는 머신러닝과 데이터 분석 작업에서 중요한 요소이며, 패턴을 파악하고 모델의 성능을 평가하는 것을 도와줍니다. 다양한 시각화 도구를 사용하여 데이터를 시각화하는 것은 더 나은 이해와 결정을 할 수 있게 도움을 줄 것입니다.