머신 러닝 교과서 with 파이썬, 사이킷런, 텐서플로(개정 3판): 4.3 데이터셋을 훈련 데이터셋과 테스트 데이터셋으로 나누기

slide 1 of 17, currently active
slide 2 of 17
slide 3 of 17
slide 4 of 17
slide 5 of 17
slide 6 of 17
slide 7 of 17
slide 8 of 17
slide 9 of 17
slide 10 of 17
slide 11 of 17
slide 12 of 17
slide 13 of 17
slide 14 of 17
slide 15 of 17
slide 16 of 17
slide 17 of 17

판다스 라이브러리를 사용하면 UCI 머신 러닝 저장소로부터 Wine 데이터셋을 바로 읽어 들일 수 있습니다.

>>> df_wine = pd.read_csv('https://archive.ics.uci.edu/'
                          'ml/machine-learning-databases/'
                          'wine/wine.data', header=None)
>>> df_wine.columns = ['Class label', 'Alcohol',
...                    'Malic acid', 'Ash',
...                    'Alcalinity of ash', 'Magnesium',
...                    'Total phenols', 'Flavanoids',
...                    'Nonflavanoid phenols',
...                    'Proanthocyanins',
...                    'Color intensity', 'Hue',
...                    'OD280/OD315 of diluted wines',
...                    'Proline']
>>> print('클래스 레이블', np.unique(df_wine['Class label']))
클래스 레이블 [1 2 3]
>>> df_wine.head()

와인 샘플 178개의 화학 성분을 나타내는 Wine 데이터셋의 특성 13개는 그림 4-3의 표와 같습니다.¹²

▲ 그림 4-3 Wine 데이터셋

12 역주 이 테이블에는 총 14개의 열이 있습니다. 첫 번째 열이 클래스 레이블이고 그다음 13개의 열이 특성에 해당합니다.

신간 소식 구독하기

뉴스레터에 가입하시고 이메일로 신간 소식을 받아 보세요.