• 목록

SVM : (Support Vector Machine)

A패터과 B패턴이 있을 때 분류하는 알고리즘(분류기)

구분선을 이용하여 A패턴과 B패턴을 구분한다.

SVM은 구분선을 그리는 알고리즘이라 할  수 있다.

ㅍ

마진의 최대화 할 수 있는 구분선을 그려 각 패턴을 구분하게 된다.

# 1만명의 BMI데이터 만들기(CSV 파일)

# Body Mass Index(체질량 지수) 데이터 만들기
 

실습1.

# -*- coding: utf-8 -*-

import random

def bmi_func(height, weight):
   bmi = weight/(height/100)**2
   if bmi < 18.5: return "저체중"
   if bmi < 25: return "정상"
   return "비만"

fp = open("bmi.csv", "w", encoding="utf-8")
fp.write("height,weight,label\r\n")

# 데이터 생성하기
cnt = {"저체중":0, "정상":0, "비만":0}

for i in range(10000):
   h = random.randint(120, 200)
   w = random.randint(35, 90)
   label = bmi_func(h, w)
   cnt[label] +=1
   fp.write("{0},{1},{2}\r\n".format(h, w, label))
fp.close()
print("ok, ", cnt)

결과.

bmi.csv 파일이 생성된다.

실습2.

# -*- coding: utf-8 -*-
from sklearn import svm, metrics
from sklearn.model_selection import train_test_split
import pandas as pd

#키와 몸무게 데이터를 읽어 오기
data = pd.read_csv("bmi.csv")

print(data[:5])
print("---------------------")

# 컬럼(열) 분리
label = data["label"]
h = data["height"] / 200  # 정규화 과정 : 0 ~ 1 사이의 값으로 변환한다.
w = data["weight"] / 100

wh = pd.concat([w,h], axis=1)
print(wh[:5])
print("---------------------")
print(label[:5])
print("---------------------")

#학습 데이터와 테스트 데이터로 나누기
data_train, data_test, label_train, label_test =train_test_split(wh, label)
print(data_train[:5])
print("---------------------")
print(data_test[:5])
print("---------------------")
print(label_train[:5])
print("---------------------")
print(label_test[:5])
print("---------------------")

clf = svm.SVC()
clf.fit(data_train, label_train)

predict = clf.predict(data_test)
print(predict[:5])
print("---------------------")

ac_score = metrics.accuracy_score(label_test, predict)
print("정확도 : ", ac_score)

결과.