강사님!! 한 번만 봐주세요 ㅠㅠㅠㅠ 저희 하나 했어요 ㅠㅠㅠ

[19기_문혜선]

- 랜덤포레스트로 사용한 테이블 csv-

댐추가랜덤포레스트테이블.csv

1.93MB

-테이블코드-

drop table w;
create table w
as
select rownum as id,s.가뭄,d.누적강수량,s.계절,w.가조시간,w.평균기온,a.행정구역,a.저수량
    from weather w,drought s,water d,dam a
    where s.일시 = w.일시 and s.지점명 = w.지점명 and w.일시 = d.일시 and w.지점명 = d.지점명
    and a.날짜 = d.일시 and a.지점 = d.지점명;
    
delete from  w where 가조시간 is null;
delete from  w where 평균기온 is null;

select count(*) from w;

- 랜덤포레스트 모델-

drop table w_train;
create table w_train
as
select *
    from w
    where id < 30000;
drop table w_test;
create table w_test
as
select *
    from w
    where id >= 30000;
select count(*) from w_train;
select count(*) from w_test;
select * from w_test;

DROP TABLE SETTINGS_GLM;

CREATE TABLE SETTINGS_GLM
AS
SELECT *
     FROM TABLE (DBMS_DATA_MINING.GET_DEFAULT_SETTINGS)
    WHERE SETTING_NAME LIKE '%GLM%';

BEGIN

   INSERT INTO SETTINGS_GLM
        VALUES (DBMS_DATA_MINING.ALGO_NAME, 'ALGO_RANDOM_FOREST');

   INSERT INTO SETTINGS_GLM
        VALUES (DBMS_DATA_MINING.PREP_AUTO, 'ON');

   INSERT INTO SETTINGS_GLM
        VALUES (
                  DBMS_DATA_MINING.GLMS_REFERENCE_CLASS_NAME,
                  'GLMS_RIDGE_REG_DISABLE');

   COMMIT;
END;
/


-- 3. 머신러닝 모델을 삭제합니다.

BEGIN
   DBMS_DATA_MINING.DROP_MODEL( 'MD_CLASSIFICATION_MODEL4');
END;
/


-- 4. 머신러닝 모델을 생성합니다. 

BEGIN 
   DBMS_DATA_MINING.CREATE_MODEL(
      model_name         => 'MD_CLASSIFICATION_MODEL4',
      mining_function       =>  DBMS_DATA_MINING.CLASSIFICATION,
      data_table_name       => 'W_train',
      case_id_column_name   => 'ID',
      target_column_name    =>  '가뭄',
      settings_table_name   => 'SETTINGS_GLM');
END;
/

-- 5. 머신러닝 모델을 확인합니다.

SELECT MODEL_NAME,
       ALGORITHM,
       MINING_FUNCTION
  FROM ALL_MINING_MODELS
 WHERE MODEL_NAME = 'MD_CLASSIFICATION_MODEL4';


-- 6. 머신러닝 모델 설정 정보를 확인합니다. 

SELECT SETTING_NAME, SETTING_VALUE
FROM ALL_MINING_MODEL_SETTINGS
WHERE MODEL_NAME = 'MD_CLASSIFICATION_MODEL4';

-- 7. 모델이 예측한 결과를 확인합니다. 

SELECT id,가뭄,
 PREDICTION (MD_CLASSIFICATION_MODEL4 USING *) MODEL_PREDICT_RESPONSE
FROM w_test
order by id;

-- 8. 정확도를 출력합니다. 
SELECT round(sum(decode(실제값,예측값,1,0)) / count(*) * 100,3) || '%' as 정확도
    from (SELECT id,가뭄 실제값,PREDICTION (MD_CLASSIFICATION_MODEL4 USING *) 예측값
            FROM w_test
            order by id);

[유연수]

응 너무 수고했어. 이따 5시에 같이 보자 ~