편집
1,419
번
바뀜
둘러보기로 가기
검색하러 가기
21번째 줄:
21번째 줄: + + 67번째 줄:
69번째 줄: − + 138번째 줄:
140번째 줄: + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
→SVM 알고리즘
|
|
|}
|}
=== 기초 사용법 ===
{| class="wikitable"
{| class="wikitable"
!의도
!의도
== SVM 알고리즘 ==
== SVM 알고리즘 ==
사용할 수 있는 SVM 알고리즘은 다음과 같다.
사용할 수 있는 SVM 알고리즘은 다음과 같다. 객체를 만들 때 알고리즘 이름만 바꾸어주면 된다.
{| class="wikitable"
{| class="wikitable"
!알고리즘
!알고리즘
</syntaxhighlight>
</syntaxhighlight>
|}
|}
== 랜덤 포레스트 ==
{| class="wikitable"
!절차
!설명
!방법
|-
|패키지 불러오기 및 데이터 정리
|
|<syntaxhighlight lang="python">
from sklearn.enssemble import RandomForestClassifier
data = [
[1,2,4],
[1,5,3],
[1,5,2]
]
# 데이터와 레이블 정리
data = []
label = []
for row in data:
data.append(row[0], row[1]) # 판단의 기초가 되는 데이터리스트를 만든다.
label.append(row[2]) # 판단의 결과를 모은다.
</syntaxhighlight>데이터프레임을 활용하는 경우.(열 이름을 사용해 분리하는 게 가장 간단하고 직관적이다.)
|-
|학습
|일반적으로 machine이라는 이름보다,
classifier의 약자인 clf를 주로 쓴다.
|<syntaxhighlight lang="python">
machine = RandomForestClassifier() # 객체 지정
machine.fit(data, label) # 데이터와 레이블 지정
</syntaxhighlight>
|}
이후 사용법은 위와 같다.
[[분류:머신러닝 프레임워크]]
[[분류:머신러닝 프레임워크]]