![[PukiWiki]](image/dx_expert_logo.png "[PukiWiki]"){kind=logo}
Q3-1【どのタイプの機械学習？】
1: 教師あり学習（分類），2：教師あり学習（回帰），3: 教師なし学習（クラスタリング），4:教師なし学習（次元削減），5:機械学習で解くべき問題ではない
Q3-2【迷惑メールをみつけよう】
【データの説明】
・各行が1通のメールに対応し，そのメールから観測された特徴量と正解データを含んでいる
・特徴量は，以下の通り．
- (0～53列) 列名にある単語（または文字）の数が，そのメール中のすべての単語（または文字）に占める割合
- (54～56列) メール中で連続する大文字の平均長，最大長，合計長
・正解データ（ラベル）は57列． 1 (迷惑メール)， 0 (迷惑メールではない)################### ライブラリのインポート ######################### #いつものPandasとNumPyをインポート import pandas as pd import numpy as np #日本語化MatplotLib import matplotlib.pyplot as plt #↓の1行は提出時にはコメントアウトしてください !pip install japanize-matplotlib import japanize_matplotlib # Seabornをインポート import seaborn as sns # Pickleをインポート import pickle
########################### データの取得 ############################ #迷惑メールデータの取得 spam_data = pd.############################################# ############################## 前処理 ################################ #特徴量に指定する列名リスト．データの列名の0～56をスライスで取得 features = spam_data.columns[##:##] #正解データに指定する列名．データの列名の最後のものをスライスで取得 target = spam_data.columns[##:##] #特徴量 X = spam_data[features] #正解データ y = spam_data[target] #X, yのそれぞれを訓練データとテストデータに分ける (訓練：テスト=60:40) from sklearn.model_selection import train_test_split X_train, X_test, y_train, y_test = train_test_split(####, ####, #################, random_state=1234)
###################### モデルの選択と学習 ############################# #モデルの選択 from sklearn import tree model = tree.DecisionTreeClassifier(max_depth=####, random_state=1234) #モデルの学習(訓練データを使う) model.#####(#######, ########) #モデルの表示(オプショナル) #tree.plot_tree(model, feature_names=features) #plt.show()
########################### モデルの評価 ###############################
#分類精度
acc = model.score(#######, #######)
print(f"分類精度： {acc}")
#実際にあっているかどうかを確認してみる (オプショナル)
y_eval = pd.DataFrame()
y_eval["正解"] = y_test[target[0]]
y_eval["予測"] = model.#########(#######)
y_eval["結果"] = (y_eval["正解"] == y_eval["予測"])
print(y_eval)
#混同行列を表示する
from sklearn.metrics import confusion_matrix, ConfusionMatrixDisplay
cm = confusion_matrix(#########, model.##########(########))
print("混同行列：\n", cm)
#プロットする（オプショナル）
#disp = ConfusionMatrixDisplay(confusion_matrix=cm, display_labels=model.classes_)
Q3-3【不動産価格を推定しよう】
【データの説明】 ・台湾・新北市の不動産に関するデータセット ・各行が1つの不動産物件に対応し，その物件の特徴量と正解データ（不動産価格）を含んでいる 【データ項目】 0: No: 物件の番号 1: 取引日：年.月日オフセット（1/1を0.0, 12/31を1.0とした，月日の相対値） 2: 築年数： 物件の築年数 3: 駅距離：最寄りの地下鉄駅までの距離（メートル） 4: コンビニ数：徒歩圏内にあるコンビニの数 5: 緯度：物件の場所の緯度 6: 経度：物件の場所の経度 7: 坪単価：物件の1坪(3.3平米)当たりの不動産価格（1万台湾ドル） 【正解データ】
Q3-4【モデルをチューニングしてみよう】
