[ML]Wine Quality Classification

## 머신러닝 이진 분류모델

 

빅데이터 분석기사 등 분석 스터디 하시는 분들에게 도움이 되시기를 바랍니다.

Colab을 통해 진행하실수 있게 별도로 준비 없이 진행하도록 코드를 준비했습니다.

 

와인 품질 데이터에 대해서는 아래 사이트의 데이터를 사용하였습니다.

https://archive.ics.uci.edu/dataset/186/wine+quality

UCI Machine Learning Repository

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
# CSV 파일 불러오기

url = 'https://archive.ics.uci.edu/static/public/186/data.csv'
df = pd.read_csv(url)
df.head()

df.head() 결

df.info()

df.info()

df.describe().T

df.descirbe().T

저는 가로와 세로 변경해서 보는게 편해서 전치를 하였습니다.

df.isnull().sum() # null 체크

df['quality'].value_counts()

 

※ numpy 함수로는  np.unique(df['quality'], return_counts=True) 사용하면 유사한 결과를 얻을 수 있음

 

df.hist(figsize=(20, 10))

히스토그램

df1 = df[df.columns.difference(['color'])] #color는 제외 categorical 변수
plt.figure(figsize=(20, 10))
sns.heatmap(df1.corr(), annot=True,  cmap='coolwarm', fmt=".2f", linewidths=0.5) #히드맵

quality에 영향을 주는 변수를 확인 가능함

 

df = df.drop('total sulfur dioxide', axis=1) #변수간 인과관계 높아서 제거
df['best quality'] = [1 if x > 5 else 0 for x in df['quality']]
df.replace({'white': 1, 'red': 0}, inplace=True)
#인코딩도 가능
df['color'].value_counts()

#훈련:80% 테스트:20% 데이터 split함
y = df['best quality']
X = df.drop(columns='best quality')
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=89)
X_train.shape, X_test.shape # (5197, 12), (1300, 12))

from sklearn.preprocessing import MinMaxScaler
scaler = MinMaxScaler()
X_train = scaler.fit_transform(X_train)
X_test = scaler.fit_transform(X_test)
#로지스틱 회귀분석
from sklearn.linear_model import LogisticRegression
lr_model = LogisticRegression()
lr_model.fit(X_train, y_train)
lr_prediction = lr_model.predict(X_test)
from sklearn.metrics import accuracy_score
print(lr_prediction)
lr_accuracy = accuracy_score(y_test, lr_prediction)
print(lr_accuracy)
## 0.73

 

from sklearn.svm import SVC

svc_model = SVC()

svc_model.fit(X_train, y_train)
svc_prediction = svc_model.predict(X_test)
svc_accuracy = accuracy_score(y_test, svc_prediction)

svc_accuracy 
# 0.75

 

from sklearn.ensemble import RandomForestClassifier

y = df['best quality']
X = df.drop(columns='best quality')

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=89)

X_train.shape, X_test.shape # (5197, 12), (1300, 12))

rf_model = RandomForestClassifier()

rf_model.fit(X_train, y_train)
rf_prediction = rf_model.predict(X_test)
rf_accuracy = accuracy_score(y_test, rf_prediction)

rf_accuracy
#0.85

 

랜덤포레스터 모델이 85% 제일 나은 정확도를 보여주고 있습니다. 랜덤포레스터는 scale이 필요가 없습니다.