3
3

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

More than 5 years have passed since last update.

文系PGがAzure ML Studioで機械学習をやってみた(第3回)

Posted at

 今回はデータを二つのうちいずれかに分類する予測を行います。前回までは、Azure ML Studioの使い方の説明を兼ねて書きましたが、今回からはそこらへんは少し省略します。

部屋の占有率の分類。占有されているか否かを調べる

 今回は、部屋が占有されているか否かを調べます。以下のURLからデータセットを取得しましょう。

 https://archive.ics.uci.edu/ml/datasets/Occupancy+Detection+

今回はzipです。解凍すると、ファイルが3つあります。名前からして、一つはトレーニング用のようです。

 データは以下のようになっています。日付、温度、湿度、光、CO2、湿度、占有率とあります。先頭列はプライマリキーのようですね。占有率が「0:占有されてない」「1:占有されている」を、室内の温度や湿度、二酸化炭素濃度から判定するようです。室内にこれらを計測するセンサーでも配置されているのでしょう。

"date","Temperature","Humidity","Light","CO2","HumidityRatio","Occupancy"
"1",2015-02-11 14:48:00,21.76,31.1333333333333,437.333333333333,1029.66666666667,0.00502101089021385,1
"2",2015-02-11 14:49:00,21.79,31,437.333333333333,1000,0.00500858127480172,1
"3",2015-02-11 14:50:00,21.7675,31.1225,434,1003.75,0.0050215691326541,1
"4",2015-02-11 14:51:00,21.7675,31.1225,439,1009.5,0.0050215691326541,1
"5",2015-02-11 14:51:59,21.79,31.1333333333333,437.333333333333,1005.66666666667,0.00503029777867882,1

 今回は一番サイズの大きい「datatest2.txt」を使用します。ファイル名をわかりやすく「occupancy2.csv」に変更しました。

カラム名と値がずれるのは良く無いので、先頭の列のカラム名に「id」を追加してml StudioにUPしました。

データのクリーニングと調整

 機械学習の作業のほとんどは、データのクリーニング(NULLが入ってる行を削除したり、など)に費やされるそうです。
今回、欠損値は無いようですのでこのままで良いでしょう。

 次に、学習に使用するデータと使用しないデータを見極めます。今回、IDはPrimary keyなので不要です。また、「date」ですが、2015-02-11のデータだけのようです。時刻が関係する環境なのか不明ですが、とりあえずdateも使用しないことにします。

不要な列を下に流さないようにするには、「Select Columns in DataSet」を使います。データをSplitしてから、以下のようにしてみました。

スクリーンショット 2017-04-17 12.29.46.png

さっそく実験をやってみる。

 今回はふたつのうちのいずれかなので、アルゴリズムはTwo Class Boosted Decision Treeを使ってみます。以下のようになります。

スクリーンショット 2017-04-17 12.33.13.png

 さっそく結果を見て見ましょう。

スクリーンショット 2017-04-17 12.34.52.png

スクリーンショット 2017-04-17 12.35.07.png

 この結果ですが、なんかの間違いではないのかというくらい正確に予測しています。
まず、上のグラフですが、ROC曲線といいます。このグラフは「y軸をまっすぐ登っていって、上のほうでxに向かう」形になるほど良いとのことですので、これは完璧ではないでしょうか?

下の図の値ですが、解説は以下のURLが詳しいかと思います。
http://ibisforest.org/index.php?F値

 的中率が0.994、再現率が0.989、True Positive(今回の場合、1を正しく1と予測したものの数)が471、True Negative(同じく、0を正しく0と予測した)も1953個。False系は間違えた個数ですので、いかに正確かがわかります。

今回のまとめ

 このように、センサーから取得したデータなどで、ある程度因果関係が明らかなものにはめっぽう強いです。

 もちろん、それなら機械学習を使うまでも無い、かもしれませんが、今回の元のcsvの中身を見て、今回の結果を判定するプログラムを書け、と言われると困るかと思います。おそらく無理ではないかと。

 このように、データ量や判定する項目の数が人間の手に余る場合にも、機械学習は力を発揮します。何も画像認識とかだけではない、という事ですね。

 おそらく、企業内にはデータベースなどに莫大なデータが溜まっていると考えられます。それちを利用して機械学習で、何らかの予測を行えれば、面白いことになりそうです。

3
3
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
3
3

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?