토목공학과

install.packages("MASS")

library(MASS)

library(MASS)

# MBTI DISCRIMINANT ANALYSIS

# 데이터 불러오기

mba = read.csv("mbti_300.csv")

head(mba)

# 필요한 열만 선택

mba = mba[, 4:16]

head(mba)

# MBTI 범주형 변환

mba$MBTI = as.factor(mba$MBTI)

# 최종 LDA 모델

model_final = lda(MBTI ~ ., data = mba)

# 새로운 사람 점수 입력

new_person = data.frame(

  Social_Energy = 65.0,

  Reflection_Time = 35.0,

  Sensing_Detail = 40.0,

  Intuition_Vision = 72.0,

  Logic_Score = 45.0,

  Empathy_Score = 68.0,

  Structure_Preference = 38.0,

  Spontaneity = 65.0,

  Teamwork_Preference = 55.0,

  Creativity_Score = 60.0,

  Decision_Speed = 42.0,

  Planning_Habit = 40.0

)

# 예측

pred = predict(model_final, newdata = new_person)

# 예측 MBTI

pred$class

# 각 MBTI 유형별 확률

pred$posterior

#상위 3개 MBTI 후보를 보려면

sort(pred$posterior[1, ], decreasing = TRUE)[1:3]

# ROAD_TYPE DISCRIMINANT ANALYSIS

# 데이터 불러오기

mba = read.csv("civil_discriminant_500.csv")

head(mba)

# 필요한 열만 선택

mba = mba[, 2:6]

head(mba)

# ROAD_TYPE 범주형 변환

mba$Road_Type = as.factor(mba$Road_Type)

# 최종 LDA 모델

model_final = lda(Road_Type ~ ., data = mba)

# 새로운 도로 상황 입력

new_road = data.frame(

  Traffic_Volume = 720,

  Speed_kmh = 62.0,

  Noise_dB = 74.0,

  IRI_m_per_km = 3.60

)

# 도로 유형 예측

pred = predict(model_final, newdata = new_road)

# 예측된 도로 유형

pred$class

# 도로 유형별 예측 확률

pred$posterior

sort(pred$posterior[1, ], decreasing = TRUE)