분류 모델 2

taxi-fare-train.zip

4.96MB

다음 사진과 같이 교통과 관련된 csv 파일이 있다.

이번에는 이 데이터를 가지고 학습한 후 실제 데이터와 일치율을 알아보자

 

 

csv = pd.read_csv('taxi-fare-train.csv', header = None)

train_data = []
train_label = []

test_data = []
test_label = []

taxi-fare-train.csv 파일을 가져온다

학습시킬 data와 label, 테스트에 사용할 data와 label을 생성한다.

 

 

for row_index, row in csv.iterrows():
    if row_index == 0:
        continue
    other_data = []
    for v in row.loc[1:7]:
        if v == "CRD":
            v = 0
        if v == "CSH":
            v = 1
        if v == "NOC":
            v = 2
        if v == "DIS":
            v = 3
        if v == "UNK":
            v = 4
        other_data.append(v)

itterrows()로 판다스 데이터 프레임의 행을 반복하면서 row_index에는 인덱스 값을, row에는 행의 데이터를 넣는다.

csv의 첫 줄인 header 부분을 제외한다.

각 행의 1부터 7인덱스의 값을 일일히 비교하여 문자형 데이터인 결제 수단을 숫자인 범주형 데이터로 변환한다.

 

 

rv = random.randint(0,10)
label_value = 1 #범주형 데이터
if row.loc[0] == "CMT": #문자형 데이터를 범주형으로 벼환하기 위함
    label_value = 0
if rv == 1: #평가 데이터
    test_label.append(label_value)#row.loc[0]
    test_data.append(other_data)
else: #학습 데이터
    train_label.append(label_value)#row.loc[0]
    train_data.append(other_data)
if row_index == 10000:
    break

행의 첫 부분인 교통 수단이 CMT이면 label_value를 0 그렇지 않으면 1로 초기화한다.

랜덤 값을 추출하여 전체 행의 약 10%를 테스트 값(실제 데이터)로 나머지를 학습시킬 값으로 넣는다.

10000 개의 행만 추출한다.

 

 

분류 모델 핵심 코드

slf = svm.SVC() #모델 개체 생성
slf.fit(train_data, train_label) #학습
result = slf.predict(test_data) #예측
score = metrics.accuracy_score(result, test_label) #평가
print(score)

svm 모델 개체를 생성하고 학습시킬 데이터를 입력한다.

저장했던 나머지 테스트 데이터로 예측한 label값을 가져온다.

metrics를 이용하여 실제 저장한 label 값과의 일치율을 계산한다.

 

일치율

약 86%의 일치율이 나온 것을 볼 수 있다.