SIGNATE 연습문제(아날로그 이미지 분석)를 풀어봤어요.

배경.

데이터 분석, 기계 학습 초보자

저는 Kaggle의 Titanic 연습문제를 풀려고 노력했습니다

이미지 인식이 자연 언어 처리보다 시간이 걸린다고 해서 해봤어요

컨디션

Jupyter Notebook

Google Colab으로 이전

파이썬 라이브러리

pandas

sklearn

numpy

물줄기

데이터 읽기, 확인

클렌징(학습 데이터 및 테스트 데이터의 분류)

분류기의 제작

학습 데이터를 바탕으로 예측한 결과 정확성 확인

테스트 데이터에 의한 예측

결과 파일 제작, 제출

데이터 읽기

웹 사이트를 방문하여 데이터 라벨에서 아래 3개 파일을 다운로드

train.tsv

test.tsv

sample_submit.csv

Pytohon을 통해 라이브러리 import, 데이터 읽기

ayame_recognition.py

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn import svm
from sklearn.model_selection import cross_val_score
from sklearn.metrics import accuracy_score
import numpy as np


Traindata=pd.read_csv("train.tsv",delimiter="\t")
Testdata=pd.read_csv("test.tsv",delimiter="\t")

형식 확인

SIGNATE 웹 사이트에서 형식 확인

제목 및 데이터 유형 사전 파악

이번 취지는 평가판 데이터의 목적 변수(Class)

를 제시하는 것이다.

상어 품종을 미리 파악하는 것은 3종

화장을 지우다

클렌징(학습 데이터 및 테스트 데이터의 분류)

설명 변수와 목적 변수를 각각 다른 변수

에 대입한다

여러 열의 값을 모두 꺼내서 대입

학습 데이터의 설명 변수, 학습 데이터의 목적 변수, 테스트 데이터의 설명 변수를 분리

ayame_recognition.py

X=Traindata.loc[:,['sepal length in cm','sepal width in cm','petal length in cm','petal width in cm']]
Y=Traindata.loc[:,['class']]
Xt=Testdata.loc[:,['sepal length in cm','sepal width in cm','petal length in cm','petal width in cm']]

학습용 데이터는 학습용 데이터와 테스트용 데이터로 한층 더 분류(2성은 테스트 데이터)

ayame_recognition.py

X_train,X_test,y_train,y_test = train_test_split(X,Y,test_size = 0.2)

분류기의 제작

 * sklearnから分類器を呼び出して、分類した学習用データを入れる
 * fit関数で機械学習する

ayame_recognition.py

clf = svm.SVC()
clf.fit(X_train,y_train)

학습한 데이터를 기준으로 예측 및 정확성 확인

테스트 데이터를 분류기에 넣고sklearn의predit 함수로 예측

ayame_recognition.py

y_pred = clf.predict(X_test)

예측된 데이터와 실제 데이터(class를 넣은 ytest)를 정확하게 확인

ayame_recognition.py

accuracy = accuracy_score(y_test,y_pred)
print(accuracy*100,'%')

100.0%가 나오면 예측이 맞다

테스트 데이터를 기준으로 예측(시작)
ayame_recognition.py

X_pred = np.array(Xt)
y_pred = clf.predict(X_pred)

결과 파일 작성, 제출

제목 없음

ayame_recognition.py

Submit=Testdata.loc[:,['id']]
Submit['result']=y_pred
Submit.to_csv("submit.csv",header=False,index=False)