Pythonによる機械学習入門～その０３～
こんにちは、およちゃんです。
今日は以下の教材を使って、引き続き、機械学習の勉強を進めていった結果を記事にしたいと思います。
まずは、下のように打ち込んでみました。csvデータから欠損値の有無等を調べています。
こいつを実行してみます。Visual Studio Codeだと実行結果を表示する画面が小さいので、Windows PowerShellで実行。
In[0]では、データフレームを作成して、その頭５行と後ろ５行を表示。
In[1]では、ある列の要素の数を集計。
In[2]では、欠損値があるかどうかの調査。Trueはその位置に欠損値がある状態を表しています。
In[3]では、列ごとに欠損値が存在するかどうかを判定しています。欠損値があれば、Trueとなります。
In[4]では、列ごとの欠損値の数を表示させています。
このような感じで、csvデータの中身を調査しました。次は同じcsvデータを使って、下のように打ち込んでみます。
このコードの実行結果は以下のとおりです。
各パートの説明ですが、コード中のコメントでも記載している通り、
In[0]では、csvデータの読み込み、データフレームの作成。
In[1]では、欠損値のある行を削除して、新たなデータフレームを作成して表示。
In[2]では、まずは、各列の平均値を表示。元のデータフレームの欠損値に平均値を穴埋めして、新たなデータフレームとして表示。ついでに本当に欠損値がなくなっているか確認のため、欠損値の有無を表示（Falseのため、欠損値は無し）。
In[3]では、元のデータフレームを表示し、各列の分散と標準偏差を表示。
このパートでは、機械学習というよりも、各コマンドの試験・確認作業です。ばっちり動作してくれているので、ここまでは問題なさそうです。
次からは、いよいよ機械学習の始まりです。次のようにコードを打ち込んでみました。
少し長めの記述になりましたが、実行結果は以下のとおりです。
In[0]では、諸々インポートし、csv読み込みのデータ作成、欠損値の穴埋めを行います（前処理）。特徴量と正解データを分類し、決定木の深さを２で設定。学習範囲をデータの７割、テストデータを３割で設定。実際に学習させて、テストデータの分析をさせた正解率が先ほどの画像に反映されています。この場合の正解率は、95.55…%でした。
In[1]では、In[0]で作成したモデルを保存したり読み込んだりしています。サンプルデータを適当に作り、それを学習したモデルで分析し、推測した結果を表示させています。
In[2]では、作成したモデルの決定木の形や諸々のデータを表示させています。
In[3]では、決定木の描画を行っています。描画の仕様上、日本語は対応していないので、アルファベットに直し、図で表示させています。
今回のモデル作成は、ほぼ写経のように記述していました。これをそらで書けるようになるととても便利なのだろうなと思います。コマンドがいろいろあるので、覚えるのが大変です（汗
今回の機械学習入門の書籍を一通り終えたら、もう一周出来たらいいなと思っています。その時に完璧に覚えられれば、きっと何かの役に立つはず、、と思っています。
Pythonのコードをさらっとかけるようになると格好いいなーと思うんですよね。。
機械学習の基礎の基礎はなんとなく理解したつもりです。ここまでは「分類」を取り扱ってきましたが、次回からは「回帰」をやっていこうと思います。
