sklearn에서 분류를 위한 방법으로 'gini/entropy/log_loss'를 제공합니다.
시범서비스에서는 학습 결과를 비교하여 'entropy'로 선정하였으며, 분류의 단계를 3이상으로 학습을 진행하여 5로 정하여 모델을 생성하였습니다.
이를 기반으로 에측 서비스 결과를 제공하며, 예측 서비스 결과는 '오일/젤/폼/크림,밤/워터/티슈/립 앤 아이리무버' 중에서 학습 결과에 최적화된 결과를 보여줍니다.
클러스터링의 입력/결과를 계속적으로 추적하면서 학습을 진행하였고 최종 입력 항목은 피부타입만을 선정하였으며, 이를 기반으로 예측 서비스를 결과를 제공합니다.
'K' 즉 그룹 수는 3개 이상으로 학습을 진행하면서 5개의 그룹이 적합하다는 판단으로 서비스를 제공하며,
결과에 대한 해석으로 X축은 피부타입(건성/중성/복합/지성)을 의미히며, Y축은 피부타입의 세부 항목인 '유분이 많은 피부/건조한 피부 등에 대한 그룹'을 의미합니다.
sklearn에서 분류를 위한 방법으로 ‘linear/poly/rbf/sigmoid/precomputed’를 제공하며, 시범서비스에서는 학습 결과를 비교하여 'sigmoid'로 선정하여 진행하였습니다.
생성된 모델은 SVM 학습 결과인 Real target을 보여주며, 선택한 조건에 따라 클렌저 제형 즉, '오일/젤/폼/크림,밤/워터/티슈/립 앤 아이리무버' 중에서 학습 결과에 최적화된 결과를 제공합니다.