머신 러닝 (9) 분류 데이터 증강

 import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

import koreanize_matplotlib

import seaborn as sns

from sklearn.datasets import load_diabetes

from sklearn.model_selection import train_test_split

from sklearn.linear_model import LogisticRegression

from sklearn.metrics import accuracy_score, classification_report, confusion_matrix

from imblearn.over_sampling import SMOTE

import warnings

warnings.filterwarnings('ignore')

pima_columns = ['pregnancies', 'glucose', 'blood_pressure', 'skin_thickness', 'insulin', 'bmi', 'diabetes_pedigree_function', 'age', 'outcome']

pima_data_url = 'https://raw.githubusercontent.com/jbrownlee/Datasets/master/pima-indians-diabetes.data.csv'

df = pd.read_csv(pima_data_url, names=pima_columns)

# 타겟 변수(outcome)의 클래스 불균형 확인

print(df['outcome'].value_counts())

print(df['outcome'].value_counts(normalize=True))

# 시각화(SMOTE 적용 전 클래스 분포)

plt.figure(figsize=(3, 3))

sns.countplot(x='outcome', data=df, palette='pastel')

plt.title('SMOTE 적용 전 클래스 분포')

plt.show()

# Feature(X)와 Target(y) 분리

X = df.drop('outcome', axis=1)

y = df['outcome']

# 학습용/테스트용 데이터 분할 (8:2)

# stratify=y: 타겟 변수의 클래스 비율을 유지하며 분할

X_train, X_test, y_train, y_test = train_test_split(

    X, y, test_size=0.2, random_state=42, stratify=y

)

print(f"학습 데이터: {X_train.shape}")

print(f"테스트 데이터: {X_test.shape}")

smote = SMOTE(random_state=42)

# 학습 데이터에만 SMOTE 적용

X_train_resampled, y_train_resampled = smote.fit_resample(X_train, y_train)

# 결과 확인

print("\n[SMOTE 적용 전 학습 데이터 분포]")

print(y_train.value_counts())

print("\n[SMOTE 적용 후 학습 데이터 분포]")

print(y_train_resampled.value_counts())

# 4-1. 원본 데이터로 학습한 모델

model_orig = LogisticRegression(max_iter=1000, random_state=42)

model_orig.fit(X_train, y_train)

y_pred_orig = model_orig.predict(X_test)

# 4-2. SMOTE 데이터로 학습한 모델

model_smote = LogisticRegression(max_iter=1000, random_state=42)

model_smote.fit(X_train_resampled, y_train_resampled)

y_pred_smote = model_smote.predict(X_test)

# 평가 결과 출력

print("\n[1] 원본 데이터 학습 결과")

print(classification_report(y_test, y_pred_orig))

print("\n[2] SMOTE 적용 데이터 학습 결과")

print(classification_report(y_test, y_pred_smote))