본문 바로가기

머신러닝/입문

(3)
랜덤포레스트에 대해 간단히 실습해보자 import pandas as pd from sklearn.model_selection import train_test_split from sklearn.ensemble import RandomForestClassifier from sklearn.metrics import accuracy_score from sklearn.metrics import classification_report import os os.chdir("데이터가 담겨있는 폴더경로") os.getcwd() # 현재 위치 wine = pd.read_csv("winequality-white.csv", sep=";", encoding='utf-8') 가지고있는 데이터를 불러보았다. 간단히 데이터는 이렇게 생겼다. 데이터의 모양은 (4898, ..
케라스를 이용해보기 from keras.models import Sequential from keras.layers import Dense import pandas as pd from sklearn.model_selection import train_test_split import os os.chdir("데이터를 불러올 폴더경로") os.getcwd() # 현재위치 확인 iris_data = pd.read_csv("iris.csv", encoding = 'utf-8', names=['a','b','c','d','y']) 데이터를 불러와보자 y = iris_data.loc[:,'y'] x = iris_data.loc[:,["a","b","c","d"]] 데이터와 레이블을 구분하였다. from sklearn.preprocess..
SVC 서포트 벡터 머신에 대한 간단한 예제 import pandas as pd from sklearn.model_selection import train_test_split from sklearn.svm import SVC from sklearn.metrics import accuracy_score import os os.chdir('데이터를 불러올 폴더 경로') os.getcwd() # 현재위치 확인 데이터를 불러올 폴더경로를 바꾸었다. iris_data = pd.read_csv("iris.csv", encoding = 'utf-8', names=['a','b','c','d','y']) # iris_data.shape # type(iris_data) 붗꽃 데이터를 레이블과 입력 데이터로 나누기 y = iris_data.loc[:,'y'] x =..