Scikit-learnの学習メモ

scikit-learnの命名規則

文字	意味
X	データ
y	ラベル

train_test_split関数

データ(X, y)をトレーニング用・評価用に分割する関数

分割を行う前に擬似乱数を用いてデータセットをシャッフルする。

データポイントはラベルでソートされているので、最後の25%をテストセットにすると,全てのデータポイントがラベル2(1つの値)になってしまうような事態を避けるため。

train_test_split関数でデータ分割
 乱数のシード

jupyter_notebook.ipynb


train_test_split( 第一引数: 特徴行列X, 第二引数: 目的変数y, test_size(=0.3): テスト用のデータの大きさの割合, random_state= : データを分割する際の乱数のシード値)

random_state=0とすると、出力が決定的になり、常に同じ結果が得られるようになる。(勉強用)

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(
    iris_dataset['data'], iris_dataset['target'], random_state=0)

pandas.DataFrame

pandas.DataFrame

pandas.DataFrame

import pandas as pd

#リファレンス
pandas.DataFrame(data=None, index=None, columns=None, dtype=None, copy=False)

#例
iris_dataframe = pd.DataFrame(X_train, columns=iris_dataset.feature_names)

出力結果

pandas.plotting.scatter_matrix

pandas.plotting.scatter_matrix

pandas.plotting.scatter_matrix

#公式リファレンス
pandas.plotting.scatter_matrix(frame, alpha=0.5, figsize=None, ax=None, grid=False, diagonal='hist', marker='.', density_kwds=None, hist_kwds=None, range_padding=0.05, **kwargs)

#iris例
iris_dataframe = pd.DataFrame(X_train, columns=iris_dataset.feature_names)
grr = pd.plotting.scatter_matrix(iris_dataframe, c=y_train, figsize=(8, 8), marker='o',hist_kwds={'bins' : 20}, s=60, alpha=.8)

出力結果

scikit-learnは常に２次元配列

scikit-learn

X_new = np.array([[5, 2.9, 1, 0.2]])

sklearn.neighbors.KNeighborsClassifier

k-最近傍法によるクラス分類

sklearn.neighbors.KNeighborsClassifier

neighbors.KNeighborsClassifier

#大切なメソッド

.fit(X, y)
#Xを学習データ、yを目標値としてモデルを適合させる

.predict(X)
#提供されたデータのクラスラベルを予測します。

.score(X, y)
#与えられたテストデータとラベルの平均精度を返します。