SIGNATEで、タイタニックの生存予測に続いて、アヤメの分類に参加しました。
アヤメの分類
初心者がチャレンジしやすいアヤメの分類に参加しました。
このコンペでは、3種類のアヤメの品種を分類するモデルを作成します。
まず、データタブから学習用データ（train.tsv）、評価用データ（test.tsv）、応募用サンプルファイル（sample_submit.csv）をダウンロードしました。
解析環境にGoogle Colaboratoryを用いるため、ダウンロードしたデータはGoogle Driveに移動します。
私は、Google Driveにirisディレクトリを作成し、irisディレクトリにtrain.tsv、test.tsv、sample_submit.csvを移動しました。
そして、Google Colaboratoryを起動し、コードを書いていきます。
ライブラリのインポート
# NumPy、pandas、seaborn、matplotlib.pyplotのインポート
import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
データの読み込み
# データの読み込み
train = pd.read_csv("/content/drive/MyDrive/iris/train.tsv", sep='\t')
test = pd.read_csv("/content/drive/MyDrive/iris/test.tsv", sep='\t')
sample_submit = pd.read_csv("/content/drive/MyDrive/iris/sample_submit.csv", header=None)
データの可視化
sns.countplot(x="class", data=train)
plt.show()
# データの可視化
sns.pairplot(train[['class', 'sepal length in cm', 'sepal width in cm', 'petal length in cm', 'petal width in cm']], hue="class")
plt.show()
ラベルエンコーディング
# ラベルエンコーディング
from sklearn.preprocessing import LabelEncoder
le = LabelEncoder()
train['class'] = le.fit_transform(train['class'])
print(le.classes_)
['Iris-setosa' 'Iris-versicolor' 'Iris-virginica']
trainとtestの連結
# trainとtestの連結
data = pd.concat([train, test], sort=False)
# 欠損値の確認
data.isnull().sum()
学習データとテストデータの抽出
# 学習データとテストデータの抽出
train = data[:len(train)]
test = data[len(train):]
y_train = train['class']
X_train = train.drop('class', axis = 1)
X_test = test.drop('class', axis = 1)
ランダムフォレストで学習
from sklearn.ensemble import RandomForestClassifier
clf = RandomForestClassifier()
clf.fit(X_train, y_train)
y_pred = clf.predict(X_test)
clf.score(X_train, y_train)
スコアは1.0でした。
y_pred[:10]
array([1., 1., 2., 1., 0., 0., 2., 1., 0., 2.])
y_predをint型に変換します。
y_pred = y_pred.astype(int)
y_pred[:10]
array([1, 1, 2, 1, 0, 0, 2, 1, 0, 2])
デコーディングを行います。
y_pred = le.inverse_transform(y_pred)
y_pred[:10]
array(['Iris-versicolor', 'Iris-versicolor', 'Iris-virginica',
'Iris-versicolor', 'Iris-setosa', 'Iris-setosa', 'Iris-virginica',
'Iris-versicolor', 'Iris-setosa', 'Iris-virginica'], dtype=object)
print(le.classes_)
['Iris-setosa' 'Iris-versicolor' 'Iris-virginica']
データの出力
# データの出力
sub = sample_submit
sub[1] = y_pred
sub.to_csv("/content/drive/MyDrive/iris/submit.csv", index=False, header=False)
submit.csvが出力されたことを確認したら、コンペのサイトに移動します。
https://signate.jp/competitions/115
右下の投稿をクリックし、ファイルを選択からsubmit.csvをアップロードします。
これにより、結果を提出することができました。
暫定評価は0.9733333でした。
アヤメの分類は取り組みやすいコンペなので、初心者におすすめです。
SIGNATEには、アヤメの分類以外にも練習問題があるので、データ分析スキル向上のために取り組みたいです。
参考文献
https://www.kaggle.com/code/sishihara/upura-kaggle-tutorial-01-first-submission
https://ct-innovation01.xyz/DL-Freetime/kaggle-003/
https://gotutiyan.hatenablog.com/entry/2020/09/08/122621