딥러닝 :: 다중 분류 문제, 상관도 그래프, 원핫코딩

다중 분류 문제

---

 

여러 꽃들의 이미지가 있다. 딥러닝을 이용하여 이 꽃들이 어떤 종류인지 분류할 수 있을까?

위 csv 파일이 담고 있는 정보는 다음과 같다

샘플 수 : 150

속성 수 : 4(A, B, C, D)

  - 정보 1(A) : 꽃받침 길이 

  - 정보 2(B) : 꽃받침 넓이

  - 정보 3(C) : 꽃잎 길이

  - 정보 4(D) : 꽃잎 넓이

클래스(E) : Iris-setosa, Iris-versicolor, Iris-virginica

 

지금까지 우리가 살펴보았던 것들은 클래스가 2개였다. 하지만 이번에는 클래스가 3개이다. 즉 참(1)과 거짓(0)으로 구분하는 것이 아닌, 다른 방법으로 접근해야 할 필요가 있다.  이렇게 여러 개의 답 중에서 하나를 고르는 분류 문제를 다중 분류(multi classifciation)라고 한다.

 

 

상관도 그래프

---

먼저 데이터의 일부를 불러와 내용을 보면 다음과 같다.

 

@ 코드

import pandas as pd
df = pd.read_csv("/Users/Downloads/006958-master/deeplearning/dataset/iris.csv", names = ["sepal_length", "sepal_width", "petal_length", "petal_width", "species"])
print(df.head())

 

@ 실행 결과 

   sepal_length  sepal_width  petal_length  petal_width      species
0           5.1          3.5           1.4          0.2  Iris-setosa
1           4.9          3.0           1.4          0.2  Iris-setosa
2           4.7          3.2           1.3          0.2  Iris-setosa
3           4.6          3.1           1.5          0.2  Iris-setosa
4           5.0          3.6           1.4          0.2  Iris-setosa

 

이번에는 pairplot() 함수를 써서 데이터 전체를 한 번에 보는 그래프를 다음과 같이 출력한다.

import seaborn as sns
import matplotlib.pyplot as plt
 
sns.pairplot(df, hue = 'species')
plt.show()

사진으로 볼 때는 비슷해보이던 꽃잎과 꽃받침의 크기와 넓이가 품종별로 차이가 있음을 알 수 있다.

 

 

원 핫 코딩

---

케라스를 이용하여 아이리스의 품종을 예측하여 보자. 데이터 안에 문자열이 포함되어 있다. 이럴 때는 numpy 보다는 pandas로 데이터를 불러와 X와 Y 값을 구분하는 것이 좋다.

df = pd.read_csv("/Users/hansubin/Downloads/006958-master/deeplearning/dataset/iris.csv", names = ["sepal_length", "sepal_width", "petal_length", "petal_width", "species"])
 
dataset = df.values
X = dataset[:, 0:4].astype(float)
Y_obj = dataset [:,4]

 

또한 Y 값이 이번에는 숫자가 문자열입니다. 문자열을 숫자로 바꿔주려면 클래스 이름을 숫자 형태를 바꿔주어야 한다. 이를 가능하게 하는 함수가 sklearn 라이브러리의 LabelEncoder()이다.

from sklearn.preprocessing import LabelEncoder
 
e = LabelEncoder()
e.fit(Y_obj)
Y = e.transform(Y_obj)

 

 

이렇게 하면 array(['Iris-setosa', 'Iris-versicolor', 'Iris-virginica'])가 array([1, 2, 3])로 바뀐다.

 

또한 활성화 함수를 적용하려면 Y 값이 숫자 0, 1로 이루어져 있어야 합니다. 이 조건을 만족시키려면 keras.util의 np_utils.categorical() 함수를 적용해야 한다.

from keras.utils import np_utils
 
Y_encoded = np_utils.to_categorical(Y)

 

array([1, 2, 3])가 다시 array([1., 0., 0.], [0., 1., 0/], [0., 0., 1.])로 바뀐다. 이처럼 여러 개의 Y 값을 0과 1로만 이루어진 형태로 바꿔 주는 기법을 원-핫-인코딩(one-hot-encoding)이라고 한다.

 

model = Sequential()
model.add(Dense(16, input_dim = 4, activation = 'relu'))
model.add(Dense(3, activation = 'softmax'))

아이리스 품종 예측 실행 코드는 다음과 같다.

 

@ 코드

from keras.models import Sequential
from keras.layers.core import Dense
from keras.utils import np_utils
from sklearn.preprocessing import LabelEncoder
 
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import numpy
import tensorflow as tf
 
# 시드값 설정
seed = 0
numpy.random.seed(seed)
tf.random.set_seed(seed)
 
# 데이터 입력
df = pd.read_csv("/Users/Downloads/006958-master/deeplearning/dataset/iris.csv", names = ["sepal_length", "sepal_width", "petal_length", "petal_width", "species"])
 
# 데이터 분류
dataset = df.values
X = dataset[:, 0:4].astype(float)
Y_obj = dataset [:,4]
 
# 문자열을 숫자로 변환
e = LabelEncoder()
e.fit(Y_obj)
Y = e.transform(Y_obj)
Y_encoded = np_utils.to_categorical(Y)
 
# 모델의 설정
model = Sequential()
model.add(Dense(16, input_dim = 4, activation = 'relu'))
model.add(Dense(3, activation = 'softmax'))
 
# 모델 컴파일
model.compile(loss = 'categorical_crossentropy', optimizer = 'adam', metrics = ['accuracy'])
 
# 모델 실행
model.fit(X, Y_encoded, epochs = 50, batch_size = 1)
 
# 결과 출력
print("\n Accuracy: %.4f" %(model.evaluate(X, Y_encoded)[1]))

 

@ 실행 결과

 Accuracy: 0.9733

정확도가 97.33%라는 것을 알 수 있다.

 

 

 

* 출처

조태호, 모두의 딥러닝(2017), 길벗