みなさん、こんにちは！
本日は初めて目にする不思議な場所おもしろい方が集まっているKaggleについて、一緒にのぞいていきましょう～
Kaggleってなに？
Kaggleについての説明は簡単に言うとPythonなど自然言語を処理して、予測するAIを作っていく！ものだと勝手に解釈しています（個人の見解）
そのため、たくさんの天才たちがしのぎを削ってコンペに参加しています。そこに入っていくのはなんと恐れ多いことか…
ちなみに、アカウントの画像はAIで生成してうまくいったものを採用していますw
なぞの数字に戸惑う…
そうは言っても、始めてみないとなにも変わらない。
なんとかアカウントを作って、恐る恐るノートを投稿。
最初はチュートリアルにあるものをまるパクリしてますw
Public Scoreってなんやねん！
Best Scoreの数字はなに！？
わからないことが多いです…（いまだにつかみきれてない）
ちょっと勉強してみる
そんなとき、図書館である本を見つけて驚いてしまった！
これ、Kaggleのタイタニック課題のやつやん！
急いで借りた本はこちら！
この本の中にあるコードをGoogle Colabに書いて動作を確認…
そこで学んだことは以下の通りです！
- ライブラリ：datetime、dateutil、timezoneの使い方
- 時間の同期に必要なライブラリたち。なにしろ思っていたより使いやすくてびっくり！
- ライブラリ：matplotlib.pyplotの使い方
- ザ・Pythonという描画ライブラリ。描けた時は感動した…
- ライブラリ：pandasの使い方
- よくKaggleで見るけど使い方が分からなかったライブラリ！またも感動…こんなに簡単に統計を出してくれるなんて！
画像編集もありましたが、今回は統計の方面に興味があったためそちらを食い漁りました。
いざ出陣！
ちょっと自信がついてきたので、さっそくKaggleのNoteBookを投稿してみます！
https://www.kaggle.com/code/testlab2000/excise-csv-reading-mapping
まずはライブラリをインポート
ライブラリをインポートします。この時、tensorflow_decision_forestsのバージョンを確認するようにしています。エラーが出た時に解決しやすくなります。
（追記）なんか、書きやすくなってるみたいですね…
import ydf
model=ydf.RandomForestLearner(label="l").train(ds)
データの場所を確認してからCSV読み込み
Kaggleの場所をいくら探してもデータファイルが見つからないとのことだったため、ファイルの所在地一覧で探します。このままパスを指定できるため、Kaggleでは必須かもしれませんね～
その後にデータファイル（今回は日本のYoutubeの動画についてのCSV）を読み込ませます。
https://www.kaggle.com/datasets/datasnaek/youtube-new
実践！データの描画！
ここから、先に紹介した本の出番になります！まずは、それぞれの相関係数を出していきます。
ふむふむ…いいかんじ！
それをマッピングするとどうなるんだろ…
めちゃわかりやすい！！！！感動！
見てみると、閲覧数といいね、バッド数、コメントの数には相関関係があるようですね！
ただ、これだとちょっと見にくいので係数も一緒に表示してみましょう！
最高です！これでどれだけ強い相関があるかが一目瞭然ですね～
最後に、相関係数が強いグラフはどのように散布しているかが気になって、２つの因子を取り出して比較してみました～
まずは閲覧数といいねの数の散布図（係数：0.85）
つぎに閲覧数とバッドの散布図（係数：0.80）
こちらは、閲覧数が少なくてもバッドが多い動画が少し目立ちますね～
最後に閲覧数とコメント数の比較（係数：0.84）
閲覧数が多くてもコメントが少ない・ない動画もあるため妥当なラインですね！
データの描画してみて
今回はYoutubeの動画について分析してみました！
やっていて、こんなこともできるんだ～となったのは非常におもしろかったです！
ただ、今回は予測モデルを作成できずに終わってしまいました…（データの前処理が難しすぎる！）
今度はスコアが出せるように頑張りたいです～