R 머신러닝, iris 품종 예측하기

R 머신러닝, iris 품종 예측하기

   [ 목차 ] 

     1. iris 데이터셋

     2. 데이터 시각화 (EDA)  

     3. 로지스틱 회귀분석  

     4. 랜덤포레스트  

     5. 모델 성능 비교  

     6. 결론  

iris 품종 예측

 

머신러닝을 공부하다 보면 꼭 한번은 만나게 되는 데이터셋이 있습니다.
바로 iris 데이터셋입니다.
오늘은 이 데이터를 가지고 두 가지 분류 모델인 로지스틱 회귀분석과 랜덤포레스트을 적용해 보고,
어떤 모델이 더 정확하게 품종을 예측하는지 비교해보겠습니다.

 

 

1. iris 데이터셋

iris 데이터는 꽃받침과 꽃잎의 길이/넓이 정보를 통해 품종(Species)을 예측하는 아주 간단하면서도 효과적인 분류용 데이터입니다.

 

data(iris)
str(iris)

iris데이터 셋

• 입력 변수 (Feature):
  • Sepal.Length, Sepal.Width, Petal.Length, Petal.Width
• 목표 변수 (Target):
  • Species → 품종 (setosa / versicolor / virginica)

 

2. 데이터 시각화 (EDA)

먼저 데이터를 시각화하여 각 품종 간의 차이를 확인해보겠습니다.

library(ggplot2)
ggplot(iris, aes(Petal.Length, Petal.Width, color = Species)) +
  geom_point(size = 3) +
  theme_minimal()

 

setosa는 다른 품종과 뚜렷하게 구별되는 특성을 보입니다.
반면, versicolor와 virginica는 일부 특성이 겹쳐 있어 예측에 어려움이 있을 수 있습니다.

 

R로 알아보는 미국 치안지도

 

3. 로지스틱 회귀분석 (Multinomial Logistic Regression)

library(nnet)
model_logit <- multinom(Species ~ ., data = iris)
pred_logit <- predict(model_logit, iris)

library(caret)
confusionMatrix(pred_logit, iris$Species)

혼동 행렬

예측\실제	setosa	versicolor	virginica
setosa	50	0	0
versicolor	0	47	3
virginica	0	1	49

• 정확도: 146 / 150 = 97.3%
• setosa: 100% 정확도
• versicolor ↔ virginica: 일부 혼동 발생

 

4. 랜덤포레스트

library(randomForest)
set.seed(123)
model_rf <- randomForest(Species ~ ., data = iris, ntree = 100)
print(model_rf)

pred_rf <- predict(model_rf, iris)
confusionMatrix(pred_rf, iris$Species)

 

혼동 행렬

예측\실제	setosa	versicolor	virginica
setosa	50	0	0
versicolor	0	49	1
virginica	0	0	50

• 정확도: 149 / 150 = 99.3%
• 모든 클래스에서 매우 높은 정확도
• virginica 1건만 versicolor로 잘못 분류됨

랜덤포레스트는 여러 개의 결정트리를 결합해 예측 정확도를 향상시킨 모델입니다.
과적합 방지, 변수 중요도 평가 등의 기능이 탁월합니다.

 

GDP로 보는 대한민국의 변화

 

5. 모델 성능 비교

모델 정확도 장점/단점

 

로지스틱 회귀분석	약 97.3%	해석이 쉬움, 통계적 의미 부여 가능	비선형 문제에 약함, 복잡한 경계 처리 어려움
랜덤포레스트	약 99.3%	높은 정확도, 변수 간 상호작용 반영 가능	해석이 어려움, 느릴 수 있음

 

 

6. 결론

• 해석력 우선: 로지스틱 회귀 (간단하고 설명하기 좋음)
• 정확도 우선: 랜덤포레스트 (실전 적용이나 자동화 시스템에 적합)

둘 다 훌륭한 성능을 보이지만, 실제 업무나 과제 상황에 따라 모델 선택 기준을 명확히 해야 한다는 점이 가장 큰 시사점입니다.

국내 인구동향 변화 분석

R을 활용한 당뇨병 데이터 분류