![[PukiWiki]](image/dx_expert_logo.png "[PukiWiki]"){kind=logo}
大辞林より
従来，機械（コンピュータ）に仕事をさせるには，人間が情報処理の手順や法則をプログラムとして記述し，機械に与えて実行していた
一方，機械学習による情報処理では，機械（コンピュータ）がデータから法則を自動的・統計的に学習する
データにおける入力X（特徴量）と出力y（正解データ）の関係f (y = f(X))を学習する． 機械学習の最も代表的なアプローチ．回帰と分類の2タイプに大別される．
正解データを指定せず，データそのものがどのような性質を持っているかを学習する． 代表的な方法に次元削減，クラスタリングがある．
| ヒオウギ・アヤメ（Iris-Setosa） | ブルーフラッグ (Iris-Versicolour) | バージニカ (Iris-Virginica) |
 |  |  |
| (C) Malcolm Manners - CC BY 2.0 | (C) Maja Dumat - CC BY 2.0 | (C) Frank Mayfield - CC BY-SA 2.0 |
#準備（すべてに共通） # PandasとNumpyをインポート import pandas as pd import numpy as np # 日本語化Matplotlibもインポート import matplotlib.pyplot as plt !pip install japanize-matplotlib import japanize_matplotlib
# Seabornもインポート import seaborn as sns
#アヤメデータの取得
iris_data = pd.read_csv("https://www2.cmds.kobe-u.ac.jp/~masa-n/dshandson/iris-sample.csv")
#確認
iris_datairis_data.shape
iris_data.describe()
iris_data["品種"].value_counts()
#Seabornのペアプロットを使う sns.pairplot(data=iris_data, hue="品種")
#Pandasにも機能がある．ただし，色分けするのに手間なので，Seabornを使おう pd.plotting.scatter_matrix(iris_data)
図4: アヤメ問題への機械学習の適用
#特徴に使う列名リスト features = ["がくの長さ", "がくの幅", "花びらの長さ", "花びらの幅"] #正解データに使う列名 target = ["品種"] X = data[features] y = data[target] from sklearn import tree #決定木による分類モデルの構築 model = tree.DecisionTreeClassifier(random_state = 0, max_depth=3) model.fit(X,y)
#未知のデータで予測してみる new_data = pd.DataFrame([[4.8, 3.3, 1.4, 0.2],[7.3, 3.2, 4.4, 1.3],[5.5, 2.6, 5.5, 2.7] ], columns=features) new_data
#予測してみる model.predict(new_data)
#ユーザから入力を受け付けて，答えを出すプログラム
print("■アヤメの品種予測アプリ")
while True:
input_str = input("がくの長さ・幅，花びらの長さ・幅を入力(0で終了)：")
if (len(input_str) == "0"):
break
vals = np.array(input_str.split()).astype(float)
if (len(vals) != 4):
print(" ×エラー：4つの数値が必要です．やり直し")
continue
df_params = pd.DataFrame([vals], columns=features)
print(f" ○AI:品種は{model.predict(df_params)[0]}と思われます")
print("終了します")
tree.plot_tree(model, feature_names=X.columns)
→ モデルの評価 が必要
#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=2:1) from sklearn.model_selection import train_test_split X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=0) #それぞれ確認してみる print(X_train, X_test, y_train, y_test)
model.fit(X_train, y_train)
acc = model.score(X_test, y_test)
print(f"分類精度： {acc}")#実際にあっているかどうかを評価 y_eval = pd.DataFrame() #空のデータフレームを作成 y_eval["正解"] = y_test["品種"] #正解はテストデータにある品種 y_eval["予測"] = model.predict(X_test) #予測はモデルが予測した品種 y_eval["結果"] = y_eval["正解"] == y_eval["予測"] #予測と正解が合致したかどうか
#混同行列を表示する from sklearn.metrics import confusion_matrix, ConfusionMatrixDisplay cm = confusion_matrix(y_test, model.predict(X_test)) disp = ConfusionMatrixDisplay(confusion_matrix=cm, display_labels=model.classes_) disp.plot()
import pickle
with open("フォルダのパス名/保存ファイル名", "wb") as f
pickle.dump(model, f)
import pickle
with open("フォルダのパス名/保存ファイル名", "rb") as f
model = pickle.load(f)
#以降，アプリでmodelを利用する
################### 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 !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 ############################
#アヤメデータの取得
iris_data = pd.read_csv("https://www2.cmds.kobe-u.ac.jp/~masa-n/dshandson/iris-sample.csv")
ここでは省略．様々な角度から，データを眺めてみる（探索的データ分析：次回）
############################## 前処理 ################################ #特徴量に指定する列名リスト features = ["がくの長さ", "がくの幅", "花びらの長さ", "花びらの幅"] # 正解データに指定する列名 target = ["品種"] #特徴量 X = iris_data[features] #正解データ y = iris_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=2:1) from sklearn.model_selection import train_test_split X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=0)
###################### モデルの選択と学習 ############################# #モデルの選択 from sklearn import tree model = tree.DecisionTreeClassifier(max_depth=3, random_state=0) #モデルの学習(訓練データを使う) model.fit(X_train, y_train) #モデルの表示(オプショナル) tree.plot_tree(model, feature_names=X.columns) plt.show()
########################### モデルの評価 ###############################
#分類精度
acc = model.score(X_test, y_test)
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["品種"]
y_eval["予測"] = model.predict(X_test)
y_eval["結果"] = (y_eval["正解"] == y_eval["予測"])
print(y_eval)
#混同行列を表示する (オプショナル)
from sklearn.metrics import confusion_matrix, ConfusionMatrixDisplay
cm = confusion_matrix(y_test, model.predict(X_test))
disp = ConfusionMatrixDisplay(confusion_matrix=cm, display_labels=model.classes_)
disp.plot()with open("/content/drive/MyDrive/フォルダ名/ファイル名.pkl", "wb") as f:
pickle.dump(model, f)################### 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
!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 ############################
#アヤメデータの取得．個体番号をあらかじめインデクスにセット
iris_data = pd.read_csv("https://www2.cmds.kobe-u.ac.jp/~masa-n/dshandson/iris-sample.csv", index_col="個体番号")
#確認
iris_data############################## 前処理 ################################ #特徴量に指定する列名リスト features = ["品種", "がくの長さ", "がくの幅"] # 正解データに指定する列名 target = ["花びらの長さ"] #特徴量 X = iris_data[features] #正解データ y = iris_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=2:1) from sklearn.model_selection import train_test_split X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=0) ###################### モデルの選択と学習 ############################# #モデルの選択（今回は線形回帰モデルを使用する） from sklearn import linear_model model = linear_model.LinearRegression() #モデルの学習(訓練データを使う) model.fit(X_train, y_train)
ValueError: could not convert string to float: 'Iris-versicolor'
pd.get_dummies(data=iris_data, columns=["品種"], drop_first=True )
