機械学習:Scikit-learn アイリスデータでk-最近傍法をやってみる - 流行の科学技術を勝手に追いかけるブログ人工知能仮想現実ブロックチェーン

Keita_Nakamoriです。

前回、アイリスデータの内容を確認しました。

今回は、機械学習で最も単純と思われるk-最近傍法をやっていきます。

必要なモジュールをインポート

データをロードして、入力データと出力データを定義

%matplotlib inline
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split 

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import mglearn

#データをロードする
iris_dataset=load_iris()

#データのキーを確認する
iris_dataset.keys()  #dict_keys(['data', 'target', 'target_names', 'DESCR', 'feature_names'])

#入力データと出力データを定義する
X=iris_dataset["data"]    # as input
y=iris_dataset["target"]  # as output

%matplotlib inline

from sklearn.datasets import load_iris

from sklearn.model_selection import train_test_split

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

import mglearn

#データをロードする

iris_dataset=load_iris()

#データのキーを確認する

iris_dataset.keys() #dict_keys(['data', 'target', 'target_names', 'DESCR', 'feature_names'])

#入力データと出力データを定義する

X=iris_dataset["data"] # as input

y=iris_dataset["target"] # as output

トレインデータ(訓練用）とテストデータ（検証用）に分割する

X_train,X_test,y_train,y_test=train_test_split(X,y,random_state=0)

1	X_train,X_test,y_train,y_test=train_test_split(X,y,random_state=0)

# データはランダムに振り分けるが,固定し、0という番号を付ける。

X_train のデータをデータフレーム化して、内容を確認する

columns=iris_dataset[“feature_names”] #データフレームの列名を定義
df=pd.DataFrame(X_train,columns=columns)
df[:5]

X_train のデータフレームをpd.plotting.scatter_matrix（）で可視化して眺める。

grr=pd.plotting.scatter_matrix(df,c=y_train,figsize=(15,15),marker="o",hist_kwds={"bins":10},s=100,alpha=0.5,cmap=mglearn.cm3)

"""pd.plotting.scatter_matrix()の引数を説明する

df        : データフレームを入れるだけで、各列同士(4列)を組み合わせた２次元グラフを、
　　　      総当たり戦で自動的に作図してくれる。（度数分布　と　２次元散布図）
         
c=y_train : y_trainは 0,1,2 のどれかの値ということを利用して、
            プロットのcolorを区別した。

figsize=(15,15):グラフのサイズを大きくする。

marker="o" : マーカー形状を " o " にする。

hist_kwds={"bins":10} : 度数分布の表示をバーチャート、階級数を10とする。

S=100 :プロットのサイズ

alpha=0.5 : プロットの透明度

cmap=mglearn.cm3　：配色の設定（なくても問題ないが慣例的につけている）


"""

grr=pd.plotting.scatter_matrix(df,c=y_train,figsize=(15,15),marker="o",hist_kwds={"bins":10},s=100,alpha=0.5,cmap=mglearn.cm3)

"""pd.plotting.scatter_matrix()の引数を説明する

df : データフレームを入れるだけで、各列同士(4列)を組み合わせた２次元グラフを、

　　　総当たり戦で自動的に作図してくれる。（度数分布　と　２次元散布図）

c=y_train : y_trainは 0,1,2 のどれかの値ということを利用して、

プロットのcolorを区別した。

figsize=(15,15):グラフのサイズを大きくする。

marker="o" : マーカー形状を " o " にする。

hist_kwds={"bins":10} : 度数分布の表示をバーチャート、階級数を10とする。

S=100 :プロットのサイズ

alpha=0.5 : プロットの透明度

cmap=mglearn.cm3　：配色の設定（なくても問題ないが慣例的につけている）

"""

k- 最近傍法分類　をやってみる

モデルの作成とトレーニング

from sklearn.neighbors import KNeighborsClassifier
knn=KNeighborsClassifier(n_neighbors=1)

#機械学習モデルを作成する
knn.fit(X_train,y_train)

"""機械学習モデル　output

KNeighborsClassifier(algorithm='auto', leaf_size=30, metric='minkowski',
           metric_params=None, n_jobs=1, n_neighbors=1, p=2,
           weights='uniform')

"""

from sklearn.neighbors import KNeighborsClassifier

knn=KNeighborsClassifier(n_neighbors=1)

#機械学習モデルを作成する

knn.fit(X_train,y_train)

"""機械学習モデル　output

KNeighborsClassifier(algorithm='auto', leaf_size=30, metric='minkowski',

metric_params=None, n_jobs=1, n_neighbors=1, p=2,

weights='uniform')

"""

予測する

#　お試しで新規データを学習済みモデルにinputする
X_new=np.array([[5,2.9,1,0.2]]) # sklearnの入力データの仕様としてnumpyの２次元配列にすることになっている。

#予測する
prediction=knn.predict(X_new)
print("Predicted target name is {} .".format(iris_dataset["target_names"][prediction]))

"""output

Predicted target name is ['setosa'] .

"""

#　お試しで新規データを学習済みモデルにinputする

X_new=np.array([[5,2.9,1,0.2]]) # sklearnの入力データの仕様としてnumpyの２次元配列にすることになっている。

#予測する

prediction=knn.predict(X_new)

print("Predicted target name is {} .".format(iris_dataset["target_names"][prediction]))

"""output

Predicted target name is ['setosa'] .

"""

予測性能の評価

#検証データをすべて学習済みモデルにinputし予測結果を得る
y_pred=knn.predict(X_test)

"""y_pred

array([2, 1, 0, 2, 0, 2, 0, 1, 1, 1, 2, 1, 1, 1, 1, 0, 1, 1, 0, 0, 2, 1,
       0, 0, 2, 0, 0, 1, 1, 0, 2, 1, 0, 2, 2, 1, 0, 2])

"""

#検証データをすべて学習済みモデルにinputし予測結果を得る

y_pred=knn.predict(X_test)

"""y_pred

array([2, 1, 0, 2, 0, 2, 0, 1, 1, 1, 2, 1, 1, 1, 1, 0, 1, 1, 0, 0, 2, 1,

0, 0, 2, 0, 0, 1, 1, 0, 2, 1, 0, 2, 2, 1, 0, 2])

"""

#正解率を算出する
np.mean(y_pred==y_test)

1 2	#正解率を算出する np.mean(y_pred==y_test)

結果：0.9736842105263158

または、

#正解率を算出する 他の方法
knn.score(X_test,y_test)

"""
この場合、正解率を算出するために、個別の予測結果であるknn.predict()をやる必要はない。

"""

#正解率を算出する他の方法

knn.score(X_test,y_test)

"""

この場合、正解率を算出するために、個別の予測結果であるknn.predict()をやる必要はない。

"""

でもいいです。

この記事を書いた人
最新の記事

月	火	水	木	金	土	日
				1	2	3
4	5	6	7	8	9	10
11	12	13	14	15	16	17
18	19	20	21	22	23	24
25	26	27	28	29	30

機械学習:Scikit-learn　アイリスデータでk-最近傍法をやってみる

Keita N

最新記事 by Keita N (全て見る)