빅데이터 분석 AI 조류 인플루엔자 데이터 분석 모델링 - (4) KNN

@notepad_jj2

츄르사려고 코딩하는 코집사입니다.

---

 

 

 

In [3]:

import pandas as pd 
from sklearn.model_selection import train_test_split
import matplotlib.pyplot as plt

In [4]:

from matplotlib import font_manager, rc

#plot 한글 깨짐
plt.rc('font', family='Malgun Gothic')

#막대그래프 한글 깨짐
font_name = font_manager.FontProperties(fname="c:/Windows/Fonts/malgun.ttf").get_name()
rc('font', family=font_name)

In [5]:

최종데이터 = pd.read_csv('C:/Users/User/Desktop/바탕화면/AI data/AI_철새도래지_최종데이터.csv', encoding='euc-kr')

In [6]:

최종데이터 = pd.get_dummies(최종데이터)

In [7]:

최종데이터

Out[7]:

	발생여부	발생연도	발생월	평균기온	최저기온	최고기온	평균풍속	평균상대습도	일교차	철새도래지거리	...	도_세종특별자치시	도_울산광역시	도_인천광역시	도_전라남도	도_전라북도	도_제주도	도_충청남도	도_충청북도	축종_닭	축종_오리
0	1	2018	3	5.6	-2.9	14.4	1.5	58.8	17.3	8.58	...	0	0	0	0	0	0	1	0	1	0
1	1	2018	3	5.5	-0.3	9.4	3.5	67.6	9.7	8.97	...	0	0	0	0	0	0	0	0	1	0
2	1	2018	3	4.8	-1.0	10.3	2.7	57.5	11.3	1.37	...	0	0	0	0	0	0	0	0	1	0
3	1	2018	3	12.2	7.8	14.8	0.8	90.8	7.0	22.03	...	0	0	0	0	0	0	0	1	0	1
4	1	2018	2	-5.8	-14.6	3.2	0.8	55.3	17.8	3.02	...	0	0	0	0	0	0	1	0	1	0
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
5514	0	2017	4	15.9	9.2	23.2	3.9	62.6	14.0	17.99	...	0	0	0	0	0	0	0	0	1	0
5515	0	2012	7	24.1	20.8	28.3	2.4	83.9	7.5	27.53	...	0	0	0	0	0	0	0	0	1	0
5516	0	2014	1	-0.2	-6.4	5.7	2.8	48.4	12.1	41.31	...	0	0	0	0	0	0	0	0	1	0
5517	0	2014	6	21.7	16.3	29.2	1.8	71.9	12.9	23.23	...	0	0	0	0	0	0	0	0	1	0
5518	0	2012	9	20.8	18.7	23.9	5.9	80.6	5.2	15.72	...	0	0	0	0	0	0	0	0	1	0

5519 rows × 28 columns

In [8]:

최종데이터.columns

Out[8]:

Index(['발생여부', '발생연도', '발생월', '평균기온', '최저기온', '최고기온', '평균풍속', '평균상대습도', '일교차',
       '철새도래지거리', '도_강원도', '도_경기도', '도_경상남도', '도_경상북도', '도_광주광역시', '도_대구광역시',
       '도_부산광역시', '도_서울특별시', '도_세종특별자치시', '도_울산광역시', '도_인천광역시', '도_전라남도',
       '도_전라북도', '도_제주도', '도_충청남도', '도_충청북도', '축종_닭', '축종_오리'],
      dtype='object')

In [9]:

최종데이터_Target = 최종데이터['발생여부']

In [10]:

최종데이터_Data = 최종데이터[['평균기온','평균풍속','축종_닭','평균상대습도','철새도래지거리']]

In [11]:

X_train, X_test, Y_train, Y_test = train_test_split(최종데이터_Data, 최종데이터_Target, test_size = 0.2, random_state = 10, shuffle = True) 

In [12]:

from sklearn.neighbors import KNeighborsClassifier
knn = KNeighborsClassifier(n_neighbors = 3)
knn.fit(X_train, Y_train)

Out[12]:

KNeighborsClassifier(n_neighbors=3)

In [13]:

print("Test Set Score : {:.2f}".format(knn.score(X_test, Y_test)))

 

Test Set Score : 0.85

In [14]:

knn_Prediction = knn.predict(X_test)

In [15]:

a = list(Y_test)

In [16]:

fig = plt.figure( figsize = (12, 4))
chart = fig.add_subplot(1,1,1)
chart.plot(a[:200], marker='o', color='blue', label='실제값')
chart.plot(knn_Prediction[:200], marker='^', color='red', label='예측값')
chart.set_title('KNN 예측 결과', size=30)
plt.xlabel('횟수', size=20)
plt.ylabel('발생여부', size=20)
plt.legend(loc = 'best')

Out[16]:

<matplotlib.legend.Legend at 0x1ea76ed3790>

 

In [ ]:

In [ ]:

In [ ]:

In [ ]:

In [ ]:

In [ ]:

In [ ]:

In [ ]:

In [ ]:

In [ ]:

In [ ]:

In [ ]: