IRIS 데이터 셋 활용 - 딥러닝 모델 구축(1)

# 01. 라이브러리 불러오기 import seaborn as sns import torch import torch.nn as nn import torch.optim as optim from sklearn.model_selection import train_test_split from torch.utils.data import DataLoader, TensorDataset # 02. 데이터 로드하기 # IRIS 데이터셋 로드 iris = sns.load_dataset('iris') # 선택한 두 가지 특징과 라벨 추출 features = iris[['sepal_length', 'petal_length']].values labels = iris['species'].astype('category').cat.codes.values # 데이터를 훈련 세트와 테스트 세트로 분할 X_train, X_test, y_train, y_test = train_test_split(features, labels, test_size=0.2, random_state=42) # PyTorch 텐서로 변환 X_train = torch.FloatTensor(X_train) X_test = torch.FloatTensor(X_test) y_train = torch.LongTensor(y_train) y_test = torch.LongTensor(y_test) # DataLoader 생성 train_loader = DataLoader(TensorDataset(X_train, y_train), batch_size=16, shuffle=True) test_loader = DataLoader(TensorDataset(X_test, y_test), batch_size=16)

* 성실한 태도, 작은 나의 땀과 노력이 모여 미래를 만듭니다. 정직, 성실 소중한 가치