2022-11-26 데이터마이닝_9

1. Test & Score

 

 

• CA
  : Classification accuracy is the proportion of correctly classified examples.
• Precision
  : Precision is the proportion of true positives among instances classified as positive, e.g. the proportion of Iris virginica correctly identified as Iris virginica.
• Recall
  : Recall is the proportion of true positives among all positive instances in the data, e.g. the number of sick among all diagnosed as sick.
• F1
  : F-1 is a weighted harmonic mean of precision and recall.

 

이렇게만 보면 잘 모르겠으니깐….

 

 

출처 : https://orangedatamining.com/widget-catalog/evaluate/testandscore/

 

---

가. 실습

 

직접 데이터를 구해서 학습시키는 실습을 해보았다.

 

 

교통사고통계.csv

0.27MB

 

데이터 출처 : https://www.data.go.kr/data/15070340/fileData.do

 

주야, 요일, 발생지시도, 가해자법규위반, 도로 형태, 가해자_당사자 종별을 통해서 사고유형을 올바르게 찾아내는지 확인해보자.

 

 

위와 같이 아이콘들을 배치/연결한다.

 

모델로 Tree, Random Forest. kNN을 사용한다.

 

 

사고 사망 통계의 여러 요소 중 ‘사고유형-대분류’를 타겟하여 진행했다.

 

너무 결정적인 단서가 될 수 있는 사고유형과 피해자_당사자 종별은 Skip한다.

 

 

데이터 테이블 확인.

 

Test&Score와 Confusion Matrix를 통해서 실습의 결과를 확인할 수 있다.

 

 

Confusion Matrix를 통해서 Random Forest의 실습 결과를 확인해보면 아래와 같았다.

 

 

---

나. CSV file Import

 

데이터 수집 : https://www.data.go.kr/data/15070281/fileData.do

 

도로교통공단_사교유형별 가해운전자 차종별 교통사고 통계.csv

0.01MB

 

한글로 작성된 CSV파일을 import하는 또 다른 방법으로 CSV File Import를 활용할 수 있다.

 

이때 Encoding 설정을 Korean으로 변경한다.

 

 

Select Columns를 이용해서 ‘사망자수’를 target으로 설정할 수 있다.

 

 

 

---

2. image 분석

 

가. 실습을 위한 Add-ons 설치

 

앞으로의 실습을 위해서 Educational, Image Analytics, Text를 설치했다.

 

 

---

나. 실습

 

 

 

image embedding은 이미지를 tensor로 변경해준다.

 

여기서 사용한 Neural Network와 kNN은 지도 학습에 속한다.

 

 

디렉터리가 label의 역할을 수행한다.

 

 

요로코롬 학습이 완료되었다. 각 Matrix를 클릭하고 Image Viewer를 클릭하면 분류에 실패한 이미지를 볼 수 있다.

 

---