- 追加された行はこの色です。
- 削除された行はこの色です。
scikit-learn のメモ
#contents
**インストール [#n78a06bb]
pipを使う場合、コンソールもしくはコマンドプロンプトで
pip install -U scikit-learn
condaを使える場合
conda install scikit-learn
**version [#gd166bd0]
|Scikit-learn 0.16|2015 04/15|
|Scikit-learn 0.17|2015 11/05|
|Scikit-learn 0.18.2|2017 06/28|
|Scikit-learn 0.19.2|2018 07/27|
|Scikit-learn 0.20.0|2018 09/27|
**基本的な書き方 [#i60dcb5a]
from sklearn.metrics import accuracy_score
from sklearn.metrics import confusion_matrix
estimator : 分類器を代入
train_data = 訓練のためのデータ
train_label = 訓練データと同じ順番の正解ラベル
test_data = テストのためのデータ
test_label = テストのための正解ラベル
estimator.fit(train_data, train_label)
pred_list = estimator.predict(test_data)
rate = accuracy_score(test_label, pred_list)
conf_matrix = confusion_matrix(test_label, pred_list)
このとき、pred_listが分類結果、rateが正答率、conf_matが混同行列になる。
***importを認識しない [#x1ccec04]
**importを認識しない [#x1ccec04]
scikit-learnは
import sklearn
と書いても認識しない仕様となっております。よって、
from sklearn.ensemble import RandomForestClassifier
のように、使いたい機能を指定してimportしましょう。
**ランダムフォレスト [#g3f5172c]
条件木を多数つくり、多数決をとることで分類する。割合雑に実装しても、そこそこの結果が出ることで有名。
importの仕方は
from sklearn.ensemble import RandomForestClassifier
学習させるには、訓練用のデータ(train_data)、訓練用の分類結果(train_label)、テスト用データ(test_data)、テスト用分類結果(test_label)を用意したうえで、
n_estimators = 10
estimator = RandomForestClassifier(n_estimators=n_estimators)
estimator.fit(train_data, train_label)
pred_list = estimator.predict(test_data)
rate = accuracy_score(test_label, pred_list)
conf_matrix = confusion_matrix(test_label, pred_list)
ただし、n_estimators は木の本数。
rate は正答の比、 conf_matrixは混同行列。
**コメント [#s9a93052]
#pcomment