21번째 줄: |
21번째 줄: |
| | | | | |
| |} | | |} |
| + | |
| + | === 기초 사용법 === |
| {| class="wikitable" | | {| class="wikitable" |
| !의도 | | !의도 |
67번째 줄: |
69번째 줄: |
| | | |
| == 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 |
138번째 줄: |
140번째 줄: |
| </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]] |