この記事で書くこと
- 機械学習による分析をひととおり体験する
- 2018年に DeepLearning に関する記事 を記載した。今回は主に pandas を利用した機械学習を簡単に体験できるようにした
この記事で書かないこと
- 欠損値の処理
- 訓練用データとテスト用データの分割
開発環境
| 項目 | 内容 | 備考 |
|---|---|---|
| PC | MacBook Air （2020 M1） | |
| 言語 | Python | ver 3.11.2 |
| エディタ | Visual Studio Code |
シナリオ
- ワイン 1,600 本分のデータを学習し、未知のワインの味を 10 段階評価する
ディレクトリ・ファイルの配置
wine
├─ main.py
└─ winequality-red.csv
利用した CSV
列とそれぞれの内容
| 列名 | 内容 | 備考 |
|---|---|---|
| fixed acidity | 酒石酸濃度 | |
| volatile acidity | 酢酸濃度 | |
| citric acid | クエン酸濃度 | |
| residual sugar | 残糖濃度 | |
| chlorides | 塩化ナトリウム濃度 | |
| free sulfur dioxide | 遊離SO2（二酸化硫黄）濃度 | |
| total sulfur dioxide | 総SO2（二酸化硫黄）濃度 | |
| density | 密度 | |
| pH | 水素イオン濃度 | 1：酸性 7：中性 14：アルカリ性 |
| sulphates | 硫化カリウム濃度 | |
| alcohol | アルコール度数 | |
| quality | 評価 | 10段階評価で評価したもの |
手順
- CSV をダウンロード
- main.py を編集
- main.py に書いたコードを実行
コード
main.py
import pandas as pd
from sklearn import tree
import pickle
# CSV を読み込み
df = pd.read_csv('./winequality-red.csv',sep=";")
# データフレームを出力
print(df)
# 列名を表示
print(list(df.columns.values))
# 説明変数
xcol = ['fixed acidity', 'volatile acidity', 'citric acid', 'residual sugar', 'chlorides', 'free sulfur dioxide', 'total sulfur dioxide', 'density', 'pH', 'sulphates', 'alcohol']
x = df[xcol]
# 目的変数
t = df['quality']
# モデルの準備（決定木モデルを利用）
model = tree.DecisionTreeClassifier(random_state=0)
# 学習を実行
model.fit(x,t)
# サンプルのデータ
sample = [[0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0, 7.0, 0.0, 0.0]]
# サンプルデータの予測
print(model.predict(sample))
# モデルの評価
model.score(x,y)
実行結果
fixed acidity volatile acidity ... alcohol quality
0 7.4 0.700 ... 9.4 5
1 7.8 0.880 ... 9.8 5
2 7.8 0.760 ... 9.8 5
3 11.2 0.280 ... 9.8 6
4 7.4 0.700 ... 9.4 5
... ... ... ... ... ...
1594 6.2 0.600 ... 10.5 5
1595 5.9 0.550 ... 11.2 6
1596 6.3 0.510 ... 11.0 6
1597 5.9 0.645 ... 10.2 5
1598 6.0 0.310 ... 11.0 6
[1599 rows x 12 columns]
['fixed acidity', 'volatile acidity', 'citric acid', 'residual sugar', 'chlorides', 'free sulfur dioxide', 'total sulfur dioxide', 'density', 'pH', 'sulphates', 'alcohol', 'quality']
/Library/Frameworks/Python.framework/Versions/3.11/lib/python3.11/site-packages/sklearn/base.py:420: UserWarning: X does not have valid feature names, but DecisionTreeClassifier was fitted with feature names
warnings.warn(
[4]
1.0
実行結果
今回のサンプルデータに対し、このモデルは [4] と評価した。
モデルの保存
モデルの正解率が 1.0 であるため、このモデルを保存する。
保存する処理は次の通り
# モデルの保存
with open('winequality-red.pkl','wb') as f:
pickle.dump(model, f)
備考
PC の環境を汚さずに試してみたい場合、Docker を利用して実行してみてはいかがでしょうか （下記記事参照）
参考
Qiita