Lv4 | 전처리 | Polynomial Features (2)

이전 시간에 Polynomial Features 라이브러리에 대해 간략하게 알아보았다면, 이번 시간에는 와인 품질 분류 데이터에 Polynomial Features를 적용해보고 decision Tree 모델을 이용해 품질 분류를 해보도록 하겠다.

 

1. Train 데이터 변환

2. 모델 학습(Decision Tree)

3. Test 데이터 변환

4. 추론

5. 정답 파일 생성

# train 데이터를 PolynomialFeatures 를 이용하여 변환

poly_feautres = PolynomialFeatures(degree=2) # 2차원으로 설정

# 와인 품질 기준인 quality 변수를 제외한 나머지 변수를 포함한 데이터 변환.
df =train.drop("quality",axis=1)
df_poly = poly_features.fit_transform(df) #fit_transform 메소드를 통해 데이터 변환
df_poly = pd.DataFrame(df_poly) #polynomial Features로 변환 된 데이터를 데이터 프레임 형태로 변환

# DecisionTreeClassifier 모델을 변환된 train 데이터로 학습

from sklearn.tree import DecisionTreeClassifier

model = DecisionTreeClassifier()
model.fit(df_poly,train['quality']

# test 데이터 변환
poly_features = PolynomialFeatures(degree=2) #2차원으로 설정

test_poly = poly.features.fit_transform(test)
test_poly = pd.DataFrame(test_poly)

#결과값 추론
pred = model.predict(test_poly)

#정답파일 생성
submission = pd.read_csv("data/sanple_submission.csv")
submission['qualiy'] = pred
submission.to_csv('poly.csv',index=False)