이번 목적

SIGNATE의 Practice, 포도주 품종을 예측합니다.

본론

사용 학습 알고리즘

SVC

논리 회귀

RandomForest(랜덤 숲)

3개의 알고리즘을 시험한 결과 무작위 삼림의 정밀도가 가장 높아 최종 분류기로 채택되었다.

코드

데이터 가져오기

wine-learning.py

wine_data = pd.read_csv('train.tsv',sep='\t')
wine_test = pd.read_csv('test.tsv',sep='\t')

지난번에 사용read_table했는데 드문 기회라서 사용해 봤습니다read_csv.나는 테이블이 더 편하다고 생각한다.
그나저나 어떤 호출 방법도 똑같기 때문에 정확한 것은 없다.

특징량 데이터와 교사 데이터의 분리

wine-learning.py

X = wine_data.loc[:,['Alcohol','Malic acid','Ash','Alcalinity of ash','Magnesium','Total phenols','Flavanoids','Nonflavanoid ohenols','Proanthocyanins','Color intensity','Hue','OD280/OD315 of diluted wines','Proline']].values
y = wine_data.loc[:,'Y'].values

변수가 많으면 길어지기 쉬우므로 이 문제를 해결하려고 한다.다음 과제에 개선할 수 있는 방법이 있는지 연구하다.
참고로 여기서도 테스트 데이터를 하고 있습니다.
wine-learning.py

Xt = wine_test.loc[:,['Alcohol','Malic acid','Ash','Alcalinity of ash','Magnesium','Total phenols','Flavanoids','Nonflavanoid ohenols','Proanthocyanins','Color intensity','Hue','OD280/OD315 of diluted wines','Proline']].values

학습 데이터와 테스트 데이터로 분할

wine-learning.py

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

이번에도 데이터를 8:2의 비율로 분할했다.

누락된 값 삭제

wine-learning.py

X_train = X_train[:, ~np.isnan(X_train).any(axis=0)]
X_test = X_test[:, ~np.isnan(X_test).any(axis=0)]
Xt = Xt[:, ~np.isnan(Xt).any(axis=0)]

분할 전에 없는 결손치가 갑자기 나타났다.이유를 몰라서 며칠 후에 검증하고 싶어요.
이번에 결손치를 삭제하는 방침을 세웠다.

학습 모형

SVC
wine-learning.py

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

논리 회귀
wine-learning.py

clf = LogisticRegression()
clf.fit(X_train, y_train)

랜덤 숲
wine-learning.py

clf = RandomForestClassifier(n_estimators=500, random_state=0)
clf.fit(X_train, y_train)

random_state 0,nuestimators(결정 트리의 개수)는 500을 더 설정합니다.

평가 모델

wine-learning.py

y_pred = clf.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print('正解率 = ' , accuracy)

예를 들어 accuracy 함수를 사용하여 정확한 확률을 얻는다.
SVC 정확도

正解率 =  0.6111111111111112

논리 회귀 정확도

正解率 =  0.8888888888888888

무작위 삼림 정확도

正解率 =  1.0

분류

wine-learning.py

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

결과

했어요 (페치페치)

고려 사항

변수의 양에 따라 학습 알고리즘을 바꾼다.

변수의 수량(비 삭제)을 낮추는 작업을 한 후 학습 알고리즘을 응용한다.

최초의 알고리즘의 특성을 이해한다.

데이터 분할 시간에 발생하는 결손치의 원인 추궁

혼합 매트릭스 사용