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

参考