さて前回までは、学習をさせるためにタイタニック号の生存予測のためのデータの準備まで行いました。
今回は、準備したデータを作成したモデルに学習させ、Kaggleに提出してみましょう。
1.環境
言語：python
エディタ：spyder
フレームワーク：Tensorflow
2.作成フロー
□ライブラリのインポート
□決定木モデル作成
□学習
□予測
□提出
このような流れで作業していきたいと思います。
3.ソースコード詳細と説明
|
1 2 3 4 |
import pandas as pd import os import numpy as np from sklearn import tree |
まず必要なライブラリをインポートしましょう。
今回は学習器に決定木を使用するため、scikit-learnで実装されている決定木分析をインポートします。
scikit-learnはpythonの機械学習ライブラリで、オープンソースなので誰でも無料で利用することができます。
scikit-learnは多くの機械学習アルゴリズムが実装されており、また多くのサンプルデータも備えているため、手元にデータがなくても、すぐに機械学習を始めることができます。
|
1 2 3 4 |
#作成ｃｓｖデータのインポート os.chdir('C:/Users/User名/ディレクトリ名/taitanic') train = pd.read_csv('C:/Users/User名/ディレクトリ名/tai_train.csv') test =pd.read_csv('C:/Users/User名/ディレクトリ名/tai_test.csv') |
データの準備で作成したCSVファイルをインポートしましょう。
訓練データ：train
評価用データ：test
|
1 2 3 |
#目的変数と説明変数を決定して取得 target = train["Survived"].values explain = train[["Pclass","Sex","Age","Fare"]].values |
訓練データから説明変数と目的変数を決定します。
説明変数：目的変数を説明する変数のこと。「独立変数」とも呼ばれ、物事の原因とも考えられる。
目的変数：予測したい変数のことで、「従属変数」「外的基準」とも呼ばれる。物事の結果とも考えられる。
今回の場合、目的変数は結果を示すものであるので「Survived」。
説明変数には、Pclass・Sex・Age・Fareの4つで見ていきます。
|
1 2 3 4 5 |
#決定木の作成 model = tree.DecisionTreeClassifier() #学習 model = model.fit(explain,target) |
モデルの作成をしていきましょう。
決定木分析は、tree.DecisionTreeClassifier()というクラスを使用することでモデルを作成することができます。
学習はfit関数を使用するだけで完了です。fit関数は、
学習モデル = （作成したモデル）. fit（[説明変数]，[目的変数]）
という使い方をします。
|
1 2 3 |
#作成したモデルを用いて予測する test_explain = test[["Pclass","Sex","Age","Fare"]].values prediction = model.predict(test_explain) |
次に、予測をしていきましょう。
まずtestデータから”Pclass”,”Sex”,”Age”,”Fare”の説明変数を抽出していきましょう。
predict()メソッドを使用し、説明変数を引数に指定し予測を実行。
|
1 2 3 |
#予測結果の出力 print(prediction.shape) print(prediction) |
予測した結果を表示していきましょう。
以下のように、予測結果のサイズと結果の表示がされます。
|
1 2 3 4 |
#予測結果データとPAssengerIDを結合 PassengerID = np.array(test["PassengerId"]).astype(int) result = pd.DataFrame(prediction,PassengerID, columns=["Survived"]) result.to_csv("Titanic_result.csv",index_label=["PassengerId"]) |
ここまで学習～予測までができました。
そしたら、いよいよkaggleに投稿です。投稿する前に、データを提出できる形に整えていきましょう。
要求されているデータフレームのカラムにはPassengerIdが必要なので、予測結果[“Survived”]と[“PassengerId”]を結合していきましょう。
結合の流れは、testから[“PassengerId”]をint型で抽出し、それをresultという変数名で、新規にデータフレームを作成します。
このまま保存すると、PassengerIdがindex名が”index”となってしまうので、indexを[“PassengerId”]に変更しcsvファイルとして保存しましょう。
上の画像のようになればOKです。
4.ソースコード全文
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 |
import pandas as pd import os import numpy as np from sklearn import tree #作成ｃｓｖデータのインポート os.chdir('./taitanic') train = pd.read_csv('./tai_train.csv') test =pd.read_csv('./tai_test.csv') #目的変数と説明変数を決定して取得 target = train["Survived"].values explain = train[["Pclass","Sex","Age","Fare"]].values #決定木の作成 model = tree.DecisionTreeClassifier() #学習 model = model.fit(explain,target) #作成したモデルを用いて予測する test_explain = test[["Pclass","Sex","Age","Fare"]].values prediction = model.predict(test_explain) #予測結果の出力 print(prediction.shape) print(prediction) #予測結果データとPAssengerIDを結合 PassengerID = np.array(test["PassengerId"]).astype(int) result = pd.DataFrame(prediction,PassengerID, columns=["Survived"]) result.to_csv("Titanic_result.csv",index_label=["PassengerId"]) |
5. Kaggleに予測結果を提出
ここからからタイタニックのコンペのページに行く。
「Submit Prediction」から、作成したcsvファイルを提出ページに移動する。
ファイルをアップしたら、「Make Submission」ボタンをクリック。
提出した結果は、Scoreというところに表示されます。今回は0.72248となりました。イマイチですね。
また「Jump to your position on the leaderboard」をクリックすると、自分の順位が表示されます。
6.おわりに
今回は、モデルの作成から予測、さらにkaggleに提出までを行いました。
予測結果は72％ほどとイマイチな結果となりましたが、今後色々と試して精度を上げていきたいと思います。
コメント