목표

In [1]:

    

cate_list = ['가전·디지털', '식품·건강', '화장품·이미용']


    

In [2]:

    

import pandas as pd


    

In [3]:

    

df = pd.read_csv('clf.csv', index_col='name')


    

In [4]:

    

df[df.cate1==cate_list[0]][1:3]


    

    
Out[4]:






  

    

      

      
id
      
price
      
cate1
    
    

      
name
      

      

      

    
  
  

    

      
미고머스트해브레깅스 5+1 / 본구성:기모치마레깅스 2종(블랙,  / 특별구성:사은품: 기모레깅스(브라운
      
375
      
38800
      
가전·디지털
    
    

      
2014년형 헬스믹 프로
      
284
      
153070
      
가전·디지털
    
  

In [5]:

    

df[df.cate1==cate_list[1]][1:3]


    

    
Out[5]:






  

    

      

      
id
      
price
      
cate1
    
    

      
name
      

      

      

    
  
  

    

      
닥터슈퍼칸 12박스/12개월
      
782
      
164570
      
식품·건강
    
    

      
정관장 홍삼활력 PLUS 7박스/7개월
      
631
      
327000
      
식품·건강
    
  

In [6]:

    

df[df.cate1==cate_list[2]][1:3]


    

    
Out[6]:






  

    

      

      
id
      
price
      
cate1
    
    

      
name
      

      

      

    
  
  

    

      
[조성아 22 (CHOSUNGAH TWENTYTWO)] [조성아22] 바운스업팩트 마스터 본품 2개 + 리필 2개 + 리얼췩 스무더 1종 + 무료체험분 + 유니레버 바세린 보습 2종! 롯데단독패키지
      
1230
      
78900
      
화장품·이미용
    
    

      
전인화 고유에 기초세트
      
1267
      
149000
      
화장품·이미용
    
  

In [7]:

    

from sklearn.feature_extraction.text import CountVectorizer


    

In [8]:

    

vectorizer = CountVectorizer(min_df=1, tokenizer=lambda x: list(x))


    

In [9]:

    

corpus = [name.decode('utf-8') for name in df.index]
print corpus[0]


    

    




[특별구성]아마조니아 아사이베리 50gX13팩+쇼핑백 2장

In [10]:

    

analyze = vectorizer.build_analyzer()


    

In [11]:

    

analyze(u'삼육 두유')


    

    
Out[11]:





[u'\uc0bc', u'\uc721', u' ', u'\ub450', u'\uc720']

In [12]:

    

X = vectorizer.fit_transform(corpus)


    

In [13]:

    

for el in cate_list:
    print el


    

    




가전·디지털
식품·건강
화장품·이미용

In [14]:

    

for el in df.cate1[:3].tolist():
    print el


    

    




식품·건강
식품·건강
식품·건강

In [15]:

    

Y = map(cate_list.index, df.cate1.tolist())


    

In [16]:

    

print X.shape[0], len(Y)


    

    




1500 1500

In [17]:

    

from sklearn.svm import LinearSVC


    

In [18]:

    

clf = LinearSVC(C=1.0)


    

In [19]:

    

clf.fit(X[:-200], Y[:-200])


    

    
Out[19]:





LinearSVC(C=1.0, class_weight=None, dual=True, fit_intercept=True,
     intercept_scaling=1, loss='l2', multi_class='ovr', penalty='l2',
     random_state=None, tol=0.0001, verbose=0)

In [20]:

    

from sklearn.metrics import accuracy_score


    

In [21]:

    

P = clf.predict(X[-200:])
print accuracy_score(Y[-200:], P) * 100


    

    




92.5

In [22]:

    

print cate_list[clf.predict(vectorizer.transform([u'자동 물걸레 청소기']))[0]]


    

    




가전·디지털

In [23]:

    

print cate_list[clf.predict(vectorizer.transform([u'에센스 커버 팩트 리미티드 패키지']))[0]]


    

    




화장품·이미용

In [24]:

    

print cate_list[clf.predict(vectorizer.transform([u'야생 블루베리 무려 10박스']))[0]]


    

    




식품·건강