첨부 실행 코드는 나눔고딕코딩 폰트를 사용합니다.
본 블로그는 광고를 포함하고 있습니다.
광고 클릭에서 발생하는 수익금은 모두 블로그 콘텐츠 향상을 위해 쓰여집니다.

728x90
반응형
728x170
import sklearn.cluster as cluster
import sklearn.datasets as datasets
import sklearn.metrics as metrics

mnistBunch = datasets.load_digits()
imageNDArray = mnistBunch.images
imageCount = len(imageNDArray)
imageNDArray = imageNDArray.reshape(len(imageNDArray), -1)
labelNDArray = mnistBunch.target

trainCount = int((imageCount / 4) * 3)
testCount  = int((imageCount / 4))

kmeans = cluster.KMeans(n_clusters = 10, init = "k-means++", n_init = 10)
kmeans.fit(imageNDArray[:trainCount])

print(kmeans.labels_)
print(type(kmeans.labels_))
print(kmeans.labels_.shape)

predictionLabelList = kmeans.predict(imageNDArray[testCount:])
testLabelList       = labelNDArray[testCount:]

print("성능 리포트 : \n %s \n" % (metrics.classification_report(testLabelList, predictionLabelList)))

[결과]

성능 리포트 : 
              precision    recall  f1-score   support

          0       0.98      0.98      0.98       131
          1       0.48      0.19      0.27       137
          2       0.02      0.02      0.02       131
          3       0.02      0.01      0.02       136
          4       0.06      0.07      0.07       139
          5       0.00      0.00      0.00       136
          6       0.00      0.00      0.00       138
          7       0.00      0.00      0.00       134
          8       0.00      0.00      0.00       130
          9       0.03      0.03      0.03       136

avg / total       0.16      0.13      0.14      1348
728x90
반응형
그리드형
Posted by 사용자 icodebroker
TAG , ,

댓글을 달아 주세요