次世代IT人材育成セミナー2018/第2回のバックアップ(No.2)

バックアップ一覧
差分を表示
現在との差分を表示
ソースを表示
次世代IT人材育成セミナー2018/第2回へ行く。
- 1 (2018-11-24 (土) 18:49:41)
- 2 (2018-11-24 (土) 21:39:31)
- 3 (2018-11-25 (日) 02:03:12)
- 4 (2018-12-15 (土) 18:44:49)
- 5 (2018-12-15 (土) 20:01:30)

第2回 †

第2回

↑

Jyputer Notebookの使い方 †

スタートメニューからAnaconda3->Jupyter Notebookを選ぶ。
フォルダリストが表示される。
- このフォルダリストは/Users/
kisa-seminarというフォルダを作る。
リロードすると、Jyputer Notebookにkisa-seminarが表示される。
kisa-seminar-をクリック

↑

論理演算の学習（教科書p.62～） †

New->Python3で新規ノートブックを作る。
p.62のソースコードを入力する。
Sfift+Enterで実行する。
- エラーが出たらソースを修正する。
3入力に変えてみる→なぜか学習されない。
- 入力が少ないのか？
- パターンを3回繰り返したら学習できた。
2入力のORでも学習できる。
2入力のXORは学習できない。
分類器をLinearSVCからKNeighborsClassifierに変えてみる。（p.66のソース）
学習可能になった。
- 3入力のANDも学習可能だった。

↑

アヤメの分類（教科書p.68～） †

新しいノートを開く。（名前をIrisとする）

p.74のソースを入力する。

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score

iris_data=pd.read_csv("iris.csv",encoding="utf-8")
y=iris_data.loc[:,"Name"]
x=iris_data.loc[:,["SepalLength","SepalWidth","PetalLength","PetalWidth"]]
x_train,x_test,y_train,y_test=train_test_split(x,y,test_size=0.2,train_size=0.8,shuffle=True)

clf=SVC()
clf.fit(x_train,y_train)

y_pred=clf.predict(x_test)
print("正解率=",accuracy_score(y_test,y_pred))

正解率が97%くらいであることを確認する。

↑

ワインの分類（教科書p.79～） †

ランダムフォレストを使ってワインの品質を分類する。

ソースコードは以下の通り。

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.svm import SVC,LinearSVC
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score,classification_report

wine=pd.read_csv("wine/winequality-white.csv",sep=";",encoding="utf-8")
y=wine["quality"]
x=wine.drop("quality",axis=1)
x_train,x_test,y_train,y_test=train_test_split(x,y,test_size=0.2)

model=RandomForestClassifier()
#model=LinearSVC()
#model=SVC()
#model=KNeighborsClassifier()
model.fit(x_train,y_train)

y_pred=model.predict(x_test)
print(classification_report(y_test,y_pred))
print("正解率=",accuracy_score(y_test,y_pred))

モデルを変えると性能が変化する。
- いずれもあまり良い性能とは言えない。

ランクを3段階に変えてみる。

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.svm import SVC,LinearSVC
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score,classification_report

wine=pd.read_csv("wine/winequality-white.csv",sep=";",encoding="utf-8")
y=wine["quality"]
x=wine.drop("quality",axis=1)
newlist=[]
for v in list(y):
    if v<=4:
        newlist+=[0]
    elif v<=7:
        newlist+=[1]
    else:
        newlist+=[2]
y=newlist
x_train,x_test,y_train,y_test=train_test_split(x,y,test_size=0.2)

model=RandomForestClassifier()
#model=LinearSVC()
#model=SVC()
#model=KNeighborsClassifier()
model.fit(x_train,y_train)

y_pred=model.predict(x_test)
print(classification_report(y_test,y_pred))
print("正解率=",accuracy_score(y_test,y_pred))

正解率が向上したことを確認する。

↑

気象データの解析 †

気象庁のサイトから10年分の気温データをダウンロードする。（"kion/data.csv"）
形を整える。（"kion/kion10y.csv"）

ソースコードは以下の通り。

import pandas as pd
df=pd.read_csv("kion/kion10y.csv",encoding="utf-8")

md={}
for i,row in df.iterrows():
    m,d,v=(int(row['月']),int(row['日']),float(row['気温']))
    key=str(m)+"/"+str(d)
    if not(key in md):
        md[key]=[]
    md[key]+=[v]

avs={}
for key in md:
    v=avs[key]=sum(md[key])/len(md[key])
    print("{0} : {1}".format(key,v))

次世代IT人材育成セミナー?