scikit-learn 覚書

 

1.　Pythonで機械学習する場合、「scikit-learn」（サイキット・ラーン）が定番である

scikit-learn: machine learning in Python (ver 0.19)

2.　どのアルゴリズムを選択したらよいかわからない場合は、アルゴリズムチートシートを参考にする

https://scikit-learn.org/stable/tutorial/machine_learning_map/index.html

3.　学習や評価のための便利なメソッドが用意されている

4.　評価結果が優れない場合、アルゴリズムやアルゴリズムに指定するパラメーターを変更する。

５．XOR（排他的論理和）を判定するサンプルプログラムを書いてみました。

（KNeighborsClassifierアルゴリズムを使用、n_neighborsというパラメーターを指定しています。　これは教師あり学習のアルゴリズムで予測を行います。）

# XOR には使えないので、アルゴリズムを変更

# ライブラリーのインポート
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score

# 　学習用のデータと結果の準備
# 　X,　Y
learn_data = [[0,0],[1,0],[0,1],[1,1]]

#  X　xor  Y
learn_label = [0, 1, 1, 0]

# アルゴリズムの指定（LinearSVC）
clf = KNeighborsClassifier(n_neighbors = 1)

# 学習用データと結果の学習
clf.fit(learn_data, learn_label)

# テストデータによる予測
test_data = [[0,0],[1,0],[0,1],[1,1]]
test_label = clf.predict(test_data)

#予測結果の評価
print(test_data , "予測結果の評価:" , test_label)
print("正解率　＝" , accuracy_score([0, 1, 1, 0], test_label))
PAGE TOP