svm 이란?? svm이란 machineLearning의 일종의 방법으로 데이터들이 비슷한 특징들을 나타낼때 그 패턴을 컴퓨터가 쉽게 알게 하기위해 데이터 사이에 선을 긋는 것을 뜻한다. 주로 교사학습과 회귀분석 분류에 많이 쓰인다. 예시 그럼 처음부터 데이터 만드는 것 부터 시작해서 머신러닝 후 그래프 그리는 것 까지 해보겠다. 1. 데이터 얻어오기 import random def getStatus(w,h): bmi = w/(h/100)**2 if bmi legend에 쓰임 ax.scatter(b["weight"],b["height"],c=color,label =lbl) scatter("fat","red") scatter("normal","yellow") scatter("thin","purple") #..

machine Learning 한 것을 웹에서 사용하기 from sklearn import svm from sklearn.exeternal import joblib import json with open('파일 결과','r',encoding = 'utf-8') as fp: data = json.load(fp)[0] clf = svm.SVC() clf.fit(data['freqs'],data['labels']) joblib.dump(clf,'./lang/freq.pkl') 웹에서 사용할 파일을 만들어 줬습니다. 웹에서 이용할 코드 from sklearn.externals import joblib import cgi, os.path #위코드로 만든 파일 loc = './cgi-bin/freq.pkl' clf..

machine Learning결과로 그래프 만들기 이번엔 앞서 무슨나라언어 인지 판단했던 결과를 통해서 그래프를 그려 보겠습니다. import matplotlib.pyplot as plt import pandas as pd import json #그래프를 만들기 전에 2차원 배열로 만들어주기 with open ('./lang/freq.json','r',encoding = 'utf-8') as fp: freq = json.load(fp) langdic = {} for idx, label in enumerate(freq[0]['labels']): data = freq[0]['freqs'][idx] if not (label in langdic): langdic[label] = data continue for ..

머신러닝을 이용해서 언어 판별하기 각 나라의 언어 마다 알파벳이 쓰이는 특징들이 있습니다. 이특징들을 머신러닝을 통해 구분해서 훈련시켜보겠습니다. from sklearn import svm, metrics import json, os.path, glob, re #파일 읽어와서 확인하는 def checkLang(filename): base = os.path.basename(filename) label = re.match('^[a-z]{2,}',base).group() with open(filename ,'r',encoding= 'utf-8') as fp: text = fp.read() text = text.lower() lang_dict = [0 for n in range(0,26)] ord_a = ord..

이미지에 있는 글씨 확인하기 이미지에 있는 글자를 인식하는 교육을 시켜서 테스트 이미지가 들어갔을 때 얼마의 정확히 파악할지 알아보겠습니다. 우선 데이터 다운로드 사이트 가서 4개의 파일을 다운받아서 압축을 풀어 저장하는 소스를 작성하겠습니다. import os.path, gzip, os import urllib.request as req filename = ["train-images-idx3-ubyte.gz","train-labels-idx1-ubyte.gz","t10k-images-idx3-ubyte.gz","t10k-labels-idx1-ubyte.gz"] baseurl = 'http://yann.lecun.com/exdb/mnist/' savepath= './trainImages' #폴더가 없다면..