SIGNATE 연습문제(아날로그 이미지 분석)를 풀어봤어요.
Jupyter Notebook
파이썬 라이브러리
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn import svm
from sklearn.model_selection import cross_val_score
from sklearn.metrics import accuracy_score
import numpy as np
Traindata=pd.read_csv("train.tsv",delimiter="\t")
Testdata=pd.read_csv("test.tsv",delimiter="\t")
형식 확인X=Traindata.loc[:,['sepal length in cm','sepal width in cm','petal length in cm','petal width in cm']]
Y=Traindata.loc[:,['class']]
Xt=Testdata.loc[:,['sepal length in cm','sepal width in cm','petal length in cm','petal width in cm']]
X_train,X_test,y_train,y_test = train_test_split(X,Y,test_size = 0.2)
분류기의 제작 * sklearnから分類器を呼び出して、分類した学習用データを入れる
* fit関数で機械学習する
ayame_recognition.pyclf = svm.SVC()
clf.fit(X_train,y_train)
학습한 데이터를 기준으로 예측 및 정확성 확인y_pred = clf.predict(X_test)
accuracy = accuracy_score(y_test,y_pred)
print(accuracy*100,'%')
ayame_recognition.py
X_pred = np.array(Xt)
y_pred = clf.predict(X_pred)
결과 파일 작성, 제출Submit=Testdata.loc[:,['id']]
Submit['result']=y_pred
Submit.to_csv("submit.csv",header=False,index=False)
Reference
이 문제에 관하여(SIGNATE 연습문제(아날로그 이미지 분석)를 풀어봤어요.), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/anago_nago/items/a714fea25caeffb34d7d텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)