Les chercheurs des sociétés pharmaceutiques ont résumé scikit-learn

introduction

Ici, nous allons expliquer l'utilisation de base de la bibliothèque de machine learning scicit-learn. Les algorithmes d'apprentissage automatique seront traités dans un autre article. Il est censé utiliser la série Python3.

Charger la bibliothèque

Comme d'autres bibliothèques, il peut être lu avec ʻimport, mais comme décrit ci-dessous, il est souvent lu avec ʻimport et from lors de son utilisation.

scikit-learn_1.py


import sklearn

base de données

scikit-learn a divers ensembles de données qui peuvent être utilisés pour l'apprentissage automatique. Vous pouvez découvrir quel ensemble de données vous avez en exécutant le code ci-dessous.

scikit-learn_2.py


import sklearn.datasets
[s for s in dir(sklearn.datasets) if s.startswith('load_')]

Préparation du jeu de données

Ici, nous utiliserons l'ensemble de données ʻiris` (Ayame) des ensembles de données ci-dessus. Envisagez d'utiliser la régression linéaire pour prédire la largeur d'un gaku à partir de la longueur du gaku. Préparez d'abord les données.

scikit-learn_3.py


from sklearn.datasets import load_iris
import pandas as pd


data_iris = load_iris()
X = pd.DataFrame(data_iris.data, columns=data_iris.feature_names)
x = X.iloc[:, 0] #La longueur de l'iris gaku
y = X.iloc[:, 1] #Largeur de l'iris gaku

Apprentissage automatique (ici régression linéaire)

Lorsque les données sont prêtes, effectuez une régression linéaire.

scikit-learn_4.py


from sklearn.linear_model import LinearRegression
from sklearn.metrics import r2_score
import matplotlib.pyplot as plt
%matplotlib inline


X_train = [[5.1], [4.9], [4.7], [4.6], [5.0], [5.4], [4.6], [5.0], [4.4], [4.9]]
y_train = [3.5, 3.0, 3.2, 3.1, 3.6, 3.9, 3.4, 3.4, 2.9, 3.1]

model = LinearRegression()
model.fit(X_train, y_train) #Créer un modèle de régression linéaire

print(model.coef_) #Inclinaison
print(model.intercept_) #Section

X_test = [[5.4], [4.8], [4.8], [4.3], [5.8]]
y_test = [3.7, 3.4, 3.0, 3.0, 4.0]

y_pred = model.predict(X_test) #Prévoir
print(y_pred)

fig, ax = plt.subplots()
ax.scatter(X_test, y_test, label='Test set') #Diagramme de dispersion des valeurs mesurées
ax.plot(X_test, y_pred, label = 'Regression curve') #Retour en ligne droite
ax.legend()
plt.show() #Illustre les données utilisées pour la prédiction
plt.savefig('scikit-learn_4.png')

print(r2_score(y_test, y_pred)) # R^2 valeurs

La figure ci-dessous montre les données de test et la droite de régression.

scikit-learn_4.png

La valeur finale R ^ 2 indique dans quelle mesure le modèle s'adapte, mais les paramètres que vous voyez varient selon qu'il s'agit de régression ou de classification, et à d'autres fins.

Résumé

Ici, nous avons expliqué les éléments de base de scikit-learn. C'est une bonne idée d'avoir une idée approximative du processus de préparation d'un ensemble de données, de prétraitement des données, de création d'un modèle prédictif et de validation d'un modèle.

Documents de référence / liens

Je ne peux plus t'entendre! Qu'est-ce que l'apprentissage automatique? Pourquoi Python est-il utilisé?

Recommended Posts

Les chercheurs des sociétés pharmaceutiques ont résumé scikit-learn
Un chercheur d'une société pharmaceutique a résumé SciPy
Un chercheur d'une société pharmaceutique a résumé RDKit
Un chercheur d'une société pharmaceutique a résumé les pandas
Un chercheur d'une société pharmaceutique a résumé NumPy
Un chercheur d'une société pharmaceutique a résumé Matplotlib
Un chercheur d'une société pharmaceutique a résumé Seaborn
Un chercheur d'une société pharmaceutique a résumé la notation d'inclusion de Python
Des chercheurs de sociétés pharmaceutiques ont résumé les déclarations de contrôle Python
Un chercheur d'une société pharmaceutique a résumé la structure des données de Python
Un chercheur d'une société pharmaceutique a résumé le test unitaire Python
Des chercheurs de sociétés pharmaceutiques ont résumé les classes en Python
Un chercheur d'une société pharmaceutique a résumé la gestion des exceptions de Python
Un chercheur d'une société pharmaceutique a résumé les normes de codage Python
Des chercheurs de sociétés pharmaceutiques ont résumé les variables en Python
Un chercheur d'une société pharmaceutique a résumé les expressions canoniques en Python
Un chercheur d'une société pharmaceutique a résumé le raclage Web à l'aide de Python
Un chercheur d'une société pharmaceutique a résumé l'analyse de fichiers en Python
Un chercheur d'une société pharmaceutique a résumé les opérations de base de données à l'aide de Python
Un chercheur d'une société pharmaceutique a résumé les opérateurs utilisés en Python
Comment installer Python pour les chercheurs de sociétés pharmaceutiques