4-1. 머신러닝

iris.csv

0.00MB

svm을 이용해서 머신러닝을 구현할 수 있다.

clf = svm.SVC()
clf.fit(data, label)#학습: (데이터배열, 답배열)
pre = clf.predict(data)#예측: (예측할 데이터)

 

1.  xor 만들기

from sklearn import svm, metrics #파이썬 머신러닝프레임워크

data = [[0,0], [0,1], [1,0], [1,1]]
label = [0,1,1,0]

#데이터 학습시키기
clf = svm.SVC()
clf.fit(data, label)#학습

#데이터 예측하기
pre = clf.predict(data)#예측
print("예측결과:", pre)

#결과 확인
ac_score = metrics.accuracy_score(label, pre)#진짜답, 예측답
print("정답률:", ac_score)

 

2. 붓꽃 구분하기

 

import pandas as pd
from sklearn import svm, metrics
from sklearn.model_selection import train_test_split

#붓꽃 csv 읽기
csv = pd.read_csv('./iris.csv')

#필요한 열 추출하기
csv_data = csv[["SepalLength","SepalLength","PetalLength","PetalWidth"]]
csv_label = csv["Name"]

#학습 데이터, 테스트 데이터 나누기
train_data, test_data, train_label, test_label =\
    train_test_split(csv_data, csv_label)

#데이터 학습/예측
clf = svm.SVC()
clf.fit(train_data, train_label)
pre = clf.predict(test_data)

#정답률
ac_score = metrics.accuracy_score(test_label, pre)
print("정답률: ", ac_score)