편집
1,408
번
바뀜
둘러보기로 가기
검색하러 가기
48번째 줄:
48번째 줄: + + + + + + + + + + + + + + + 81번째 줄:
96번째 줄: − + + +
편집 요약 없음
score = metrics.accuracy_score(label, pre) # 레이블과 예측값을 넣는다.
score = metrics.accuracy_score(label, pre) # 레이블과 예측값을 넣는다.
print('정답률 : ', score)
print('정답률 : ', score)
</syntaxhighlight>
|-
|학습한 매개변수 저장하기
|매번 새로이 학습하는 일은 번거롭다.
|<syntaxhighlight lang="python">
from sklearn.externals import joblib
joblib.dump(객체, "경로.pkl") # 교육한 객체를 .pkl 파일로 저장한다.
</syntaxhighlight>
|-
|학습데이터 읽기
|저장했으면 읽어야지.
|<syntaxhighlight lang="python">
file = "경로.pkl"
객체 = joblib.load(file)
</syntaxhighlight>
</syntaxhighlight>
|}
|}
|-
|-
|학습
|학습
|
|일반적으로 machine이라는 이름보다,
classifier의 약자인 clf를 주로 쓴다.
|<syntaxhighlight lang="python">
|<syntaxhighlight lang="python">
machine = svm.SVC() # SVM객체 지정
machine = svm.SVC() # SVM객체 지정