python 간단한 ai 코드

python 간단한 ai 코드 위해서 
sklearn 설치해야 합니다.

SLEARN 설치

---

pip install scikit-learn

 

MAIN CODE

---

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

# 데이터 로딩
iris = load_iris()

# 데이터 분할 및 전처리
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.2, stratify=iris.target, random_state=42)

# KNN 분류 모델 생성 및 학습
knn = KNeighborsClassifier(n_neighbors=3)
knn.fit(X_train, y_train)

# 예측과 정확도 평가
y_pred = knn.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)

# 결과 출력
print("Accuracy: {:.2f}%".format(accuracy * 100))

위 코드에서는 iris 데이터셋을 사용하여 꽃의 종류를 분류하는 문제를 해결하는 코드입니다. scikit-learn에서 제공하는 load_iris() 함수를 사용하여 데이터를 불러오고, train_test_split() 함수를 사용하여 데이터를 훈련용과 테스트용으로 분할합니다. 분류 문제를 해결하기 위해 KNN(K-Nearest Neighbor) 분류기를 사용하였으며, KNeighborsClassifier() 생성자 함수를 사용하여 모델을 생성하고 fit() 메소드를 사용하여 훈련 데이터로 모델을 학습시킵니다. 학습이 끝난 모델을 predict() 메소드를 이용하여 테스트 데이터에 대해서 예측합니다. 예측한 결과를 accuracy_score() 함수를 사용하여 정확도를 측정합니다. 최종적으로 결과를 출력합니다. 위 코드를 실행시켜 보면, 예측한 결과의 정확도가 출력됩니다. 해당 코드에서는 iris 데이터셋을 사용하였지만, 다른 데이터셋을 사용하여도 비슷한 방식으로 데이터를 다룰 수 있습니다. 이 코드를 기반으로 scikit-learn을 사용하여 더 다양한 분류 문제를 해결하는 코드를 작성할 수 있을 것입니다.

 

놀랍고 굉장한 출력이 있는건 아니다.

Accuracy: 100.00%

흠....