はじめに
Rustにおけるsklearn的なものと言えばSmartCoreとLinfaが有名らしいが、2022/5現在SmartCoreは開発が滞っているっぽい（GitHubの最終コミットが半年前）ので、Linfaを触ってみることにした。今回はとりあえずのテスト。
環境
- Ubuntu 20.04 LTS on WSL2 (Windows 10)
- Rust:
$ cargo --version
cargo 1.60.0 (d1fd9fe 2022-03-01)
$ rustc --version
rustc 1.60.0 (7737e0b5c 2022-04-04)
クイックスタート
アルゴリズムはナイーブベイズ（二値分類）、データセットはlinfa-datasetsに含まれているUCIのワインデータを使う。
Cargo.toml
cargo new <project_name>でプロジェクトを作成し、生成されたCargo.tomlファイルに下記のように追記する。なお、linfaの"features"においてopenblasを指定しているが、WindowsとmacOSはBLASのバックエンドがIntel MKLのみらしい（Intel MKLをバックエンドで使う場合は、この記事が参考になる？ ... 未確認）。
Cargo.toml
[package]
name = "rust-bayes"
version = "0.1.0"
edition = "2021"
# See more keys and their definitions at https://doc.rust-lang.org/cargo/reference/manifest.html
[dependencies]
linfa = { version = "0.5.0", features=["openblas-system"] }
linfa-datasets = { version = "0.5.0", features = ["winequality"] }
linfa-bayes = { version = "0.5.0" }
main.rs
公式のexampleからほぼそのまま拝借した。
main.rs
use linfa::metrics::ToConfusionMatrix;
use linfa::traits::{Fit, Predict};
use linfa_bayes::{GaussianNb, Result};
fn main() -> Result<()> {
// データセットを読み込み、ターゲット（ワインの品質の評価値）を二値に変換
// 品質は、0から10の間で評価されており、0が最低で10が最高
let (train, valid) = linfa_datasets::winequality()
.map_targets(|x| if *x > 6 { "good" } else { "bad" })
.split_with_ratio(0.9);
// モデルの訓練
let model = GaussianNb::params().fit(&train)?;
// 推論
let pred = model.predict(&valid);
// 混同行列の計算
let cm = pred.confusion_matrix(&valid)?;
// 混同行列と精度の出力（MCCはマシューズ相関係数）
println!("{:?}", cm);
println!("accuracy {}, MCC {}", cm.accuracy(), cm.mcc());
Ok(())
}
実行結果
~/rust/rust-bayes$ cargo run
Compiling rust-bayes v0.1.0 (/home/ezoalbus/rust/rust-bayes)
Finished dev [unoptimized + debuginfo] target(s) in 2.10s
Running `target/debug/rust-bayes`
classes | good | bad
good | 10 | 7
bad | 12 | 130
accuracy 0.8805031, MCC 0.45080975
途中、"error: linking with `cc` failed: exit status: 1" が出たので、sudo apt install libopenblas-devなどをした。
Titanicデータセットで実行
データはKaggleから落としてくる（"train.csv"のみ使用）。
https://www.kaggle.com/competitions/titanic/data
main.rs
use linfa::prelude::*;
use linfa::metrics::ToConfusionMatrix;
use linfa::traits::{Fit, Predict};
use linfa_bayes::GaussianNb;
use linfa_bayes::Result as NBResult;
use polars::prelude::*;
use polars::prelude::Result as PolarResult;
fn read_csv2df(path: &str) -> PolarResult<DataFrame> {
// csvを読み込んで、DataFrameでreturn
CsvReader::from_path(path)?
.has_header(true)
.finish()
}
fn split_x_y(df: &DataFrame) -> (PolarResult<DataFrame>, PolarResult<DataFrame>) {
// 特徴量とターゲットに分割
let target = df.select(vec!["Survived"]);
// 運賃の情報だけを特徴量として使う
let features = df.select(vec!["Fare"]);
(features, target)
}
fn main() -> NBResult<()> {
// trainの読み込み
let train_path = "./data/train.csv";
let train_df = read_csv2df(&train_path).unwrap();
// 特徴量とターゲットに分割
let (train_x, train_y) = split_x_y(&train_df);
// 前処理
let train_x = train_x.unwrap().to_ndarray::<Float64Type>().unwrap();
let train_y = train_y.unwrap().to_ndarray::<Int64Type>().unwrap();
let train_y = train_y.map(|x| if *x == 1 {"Survived"} else {"Not Survived"});
// DatasetBaseとしてまとめ、trainとvalidに分割する
let (train, valid) = DatasetBase::new(
train_x,
train_y
).split_with_ratio(0.8);
// 訓練
let model = GaussianNb::params().fit(&train)?;
// 推論
let pred = model.predict(&valid);
// 混同行列の計算
let cm = pred.confusion_matrix(&valid)?;
// 混同行列と精度の出力（MCCはマシューズ相関係数）
println!("{:?}", cm);
println!("accuracy {}, MCC {}", cm.accuracy(), cm.mcc());
Ok(())
}
実行結果
~/rust/linfa/rust-titanic$ cargo run
Compiling rust-titanic v0.1.0 (/home/ezoalbus/rust/linfa/rust-titanic)
Finished dev [unoptimized + debuginfo] target(s) in 12.20s
Running `target/debug/rust-titanic`
classes | Not Survived | Survived
Not Survived | 113 | 2
Survived | 48 | 15
accuracy 0.71910113, MCC 0.35908055
おわり