SVM

About this offer

import os import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns import platform if platform.system() == 'Windows': plt.rc('font', family='Malgun Gothic') elif platform.system() == 'Darwin': plt.rc('font', family='AppleGothic') else: plt.rc('font', family='NanumBarunGothic') plt.rcParams['axes.unicode_minus'] = False base_path = r"/Users/kdt_0900_lyn/ml/resoce/dataset" file_name = r"banknote_authentication.csv" file_path = os.path.join(base_path, file_name) os.path.join(base_path, file_name) 데이터 분할 from sklearn.model_selection import train_test_split (sklearn.model_selection: 데이터 분할 함수 , 학습용과 테스트용 세트로 무작위로 나누어줌) (데이터의 단위를 일정하게 맞춰주는 데이터 전처리(스케일링) 코드) from sklearn.prepocessing import StandrdScaler scaler = StandarScaler() \ X_train_scaled = scaler.fit_transform(X_train) (.fit_transform : 평균과 표준편차를 모두 구하고 표준화) X_test_scaled = scaler.transform(X_test) (.transform : 수해진 편균과 표준편차를 이용해서 표준화) 모델 준비 from sklearn.svc import SVC 모델 학습 svc.fit(X_train_scaled, y_traim) 모델 예측 학습된 SVC 모델을 바탕으로 스케일링된 테스트 데이터(X_test_scaled)의 예측값(y_pred)을 생성하는 코드(.predict : 정답 예측하는 사이킷런의 핵심 기능 ) y_pred = svc.predict(X_test_scaled) print(y_pred) print(list(y_test)) ex) y_pred = svc.predict(X_test_scaled) print(y_pred[:10]) print(list(y_test[:10])) (train: 학습 , test: 평가 , scaled: 단위를 맞춘 데이터 ) • X_train -> 데이터 스케일러(Scaler)를 학습시킬 때 딱 한 번 씀 -> 예시 코드: scaler.fit(X_train) • X_train_scaled -> 머신러닝 모델을 실제로 학습(훈련)시킬 때 씁니다. -> 예시 코드: svc.fit(X_train_scaled, y_train) • y_train -> 모델을 학습시킬 때, 특징 데이터(X)에 맞는 실제 정답지로 함께 넣습니다. -> 예시 코드: svc.fit(X_train_scaled, y_train) 모델 평가 (정확도 검사) svc.score(X_train_scaled, y_train) \ svc.score(X_test_scaled, y_test) (confusion_matrix() : 혼동 행렬) array([[ TN, FP ], [ FN, TP ]]) • TN (True Negative) • FP (False Positive) • FN (False Negative) • TP (True Positive) \예시\ confusion_matrix(y_pred, y_test) 조화 평균 (정밀도(precision)와 재현율(recall)) F1-Score : 모델이 예측한 값(y_pred)과 실제 정답(y_test)을 비교하여 이진 분류기준의 F1-Score를 계산하고 출력하는 코드 y_test, y_pred -> 예상값과 정답이 얼마나 맞는지 확인 score = f1_score(y_test, y_pred) print(f"F1-Score 점수: {score}") df[] : 인덱싱(Indexing) 또는 대괄호 연산자 = 필터링 .map() : 이터를 하나씩 순서대로 꺼내서 변환 상자에 집어넣는 반복 도구

Offer details

Provider

velog

Source

velog-rss

Score

54.34

Confidence

49%