#学習記録（１０日目）
勉強開始：１２／７（土）〜
使用書籍：大重美幸『詳細！ Python3 入門ノート』(ソーテック社、２０１７年)
【Numpyの配列（Ch.15 ／ p.380）】 から再開（９日目）、
【手書き文字の分類（Ch.16 ／ p.396）】 まで終了（１０日目）
本日から機械学習に入ります。
##機械学習（手書き文字の分類）
（１）学習データを訓練データとテストデータに分ける。
（２）訓練データと教師データを学習器に入れる。→ 学習済みモデル（分類器）
（３）テストデータと教師データを分類器に入れ、性能を評価する。
・scikit-learn(サイキットラーン）という学習器を使用
・手書き文字の分類(sklearnパッケージのdatasetsモジュール使用）
パッケージは複数のモジュールをまとめたもの。
・scikit-learnの数字画像データを使用して練習
今回は画像データ(digits.data)と教師データ(digits.target)を分割して使用する。
画像データの２／３が訓練データ、１／３がテストデータ
教師データについても上に対応するよう分割する。
アルゴリズムはSVM(サポートベクターマシーン）のSVCを使用
・テストデータを分類器に入れたところ、以下のエラーが発生
Classification metrics can't handle a mix of multiclass-multioutput and multiclass targets
→ 全て打ち直したら解決した。原因不明・・・。再現中に、全角スペースが原因で何回かエラーが出たから、その可能性もあるかも。
###サポートベクターマシーンのSVCにおけるgamma
・gammaに限らず、svm.svc()の引数で学習器のパラメータを調整できる。
書籍上はgamma=0.001で精度96.3%だったが、gamma=1としたところ、9.8%まで精度は落ち込んだ。
逆にgamma=0.001としたところ、精度93.2%に。低ければよいというものでもないらしい。
このあたりの調整がよく聞くチューニングというものに該当するのかな？