junRepository/ML_classification

머신러닝 분류 예측 모델

딥러닝과 머신러닝 성능 차이를 비교하기 위해 머신러닝 분류 모델의 정확도를 확인

1. 학습 데이터 전처리

• pandas를 이용하여 CSV 파일 불러오기

data = pd.read_csv('drive/MyDrive/lab/financial_data.csv', encoding='cp949')
data_X = data.iloc[:,[1,3,4,6,8]].values

• 학습데이터 전처리 및 데이터 분할

#데이터 정규화
scaler = MinMaxScaler()
scaler.fit(data_X)
X = scaler.transform(data_X)
Y_t = data['Y'].replace(['AAA','AA','A','BBB','BB','B','CCC','CC','C','D'],[0,0,0,0,1,1,1,1,1,1])
X_train, X_test, Y_train, Y_test = train_test_split(X, Y_t, test_size=0.2)

2. 머신러닝 모델 학습

• 선언한 머신러닝 프레임워크를 .fit()를 이용하여 train 데이터로 학습

#SVM
svm = SVC()
svm.fit(X_train, Y_train)

3. 학습된 모델 성능 확인

• 학습된 모델 test 데이터로 성능 확인하기
• .score()함수를 이용하여 X_test로 예측한 값을 Y_test와 비교하여 정확로를 return
• 정확도가 가장 높은값을 첫 번째에 출력하기 위해 list 형태로 저장하였다.
• sorted()함수를 이용하여 정확도가 가장 높은 순부터 정렬

acc_list = []
acc_list.append(["Random Forest", rf.score(X_test, Y_test)])
sorted_array = sorted(acc_list, key=lambda x: x[1], reverse=True)