Google API를 통해 전복(Abalone) 데이터셋을 다운로드한 후에는 head 메서드를 사용해 콘솔에 샘플 데이터를 간단히 출력할 수 있습니다. 이 메서드에 숫자를 인자로 전달하면 해당 개수만큼의 행이 표시되며, 기본적으로 데이터셋의 맨 앞부분부터 행을 보여줍니다.
전복 데이터셋 소개
이 글에서는 전복 데이터셋을 사용합니다. 전복은 일종의 바다 달팽이로, 이 데이터셋에는 전복의 다양한 신체 측정값들이 담겨 있습니다. 목표는 나머지 측정값들을 기반으로 전복의 나이를 예측하는 것입니다.
아래 코드는 Google Colaboratory(구글 코랩)에서 실행됩니다. Colab은 브라우저에서 Python 코드를 실행할 수 있게 해주며, 별도의 설정 없이 무료로 GPU(그래픽 처리 장치)까지 사용할 수 있습니다. Colaboratory는 Jupyter Notebook을 기반으로 만들어졌습니다.
코드 예제
print("Few samples of abalone data")
abalone_train.head()
print("The abalone dataset is copied to another memory location")
abalone_features = abalone_train.copy()
print("The age column is deleted")
abalone_labels = abalone_features.pop('Age')
abalone_features = np.array(abalone_features)
print("The features are displayed")
print(abalone_features)코드 출처: https://www.tensorflow.org/tutorials/load_data/csv
실행 결과
Few samples of abalone data The abalone dataset is copied to another memory location The age column is deleted The features are displayed [[0.435 0.335 0.11 ... 0.136 0.077 0.097] [0.585 0.45 0.125 ... 0.354 0.207 0.225] [0.655 0.51 0.16 ... 0.396 0.282 0.37 ] ... [0.53 0.42 0.13 ... 0.374 0.167 0.249] [0.395 0.315 0.105 ... 0.118 0.091 0.119] [0.45 0.355 0.12 ... 0.115 0.067 0.16 ]]
코드 설명
head메서드를 사용하여 데이터셋의 일부 샘플을 콘솔에 출력합니다.- 데이터셋을 다른 메모리 위치로 복사하는데, 이렇게 하면 한쪽 데이터는 자유롭게 수정하면서도 원본 데이터는 그대로 보존할 수 있습니다.
- 'Age'(나이) 열은 예측 대상인 레이블이므로 특성(feature) 데이터셋에서 제거하고 별도로 분리합니다.
- 마지막으로 남은 특성들이 벡터 형태의 배열로 변환되어 출력됩니다.