Python での従来の機械学習の例

Python は最も人気のあるプログラミング言語の 1 つであり、機械学習の分野で重要なツールの 1 つです。従来の機械学習は機械学習分野の重要な分野であり、過去のデータからの学習を通じて新しいデータを予測および分類するモデルの構築に特化しています。この記事では、Python での標準的な従来の機械学習の例をいくつか紹介します。

1. 線形回帰

線形回帰は、2 つの変数間の関係を推定するために使用される方法です。最小二乗法を使用して、観測されたデータ ポイント間の線形関係に基づいて最適な直線近似を計算します。 Python では、scikit-learn は機械学習用のライブラリであり、線形回帰など、一般的に使用される機械学習アルゴリズムが多数含まれています。

例:

from sklearn.linear_model import LinearRegression
X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=.2)
linreg=LinearRegression()
linreg.fit(X_train,y_train)

上記の例では、LinearRegression (線形回帰) 関数と train_test_split 関数が最初にインポートされます。train_test_split 関数は、データ セットをトレーニング データ セットに分割するために使用されます。 . とテストデータセット。次に、線形回帰モデル オブジェクトが初期化され、トレーニング データ セットがトレーニング Fit() のためにモデルに送信されます。モデルがトレーニングされた後、テスト データ セットに対して予測を行います。

2. デシジョン ツリー

デシジョン ツリー アルゴリズムは、ノンパラメトリック機械学習アルゴリズムです。データを樹形図の形式で視覚化することで、データセットに関する情報をより深く理解するのに役立ちます。ツリーを使用して予測を行うことができ、それをツリー モデルにすることができます。 Python では、デシジョン ツリー モデルの実装も非常に簡単で、DecisionTreeClassifier をインポートするだけで済みます。

例:

from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score
dt = DecisionTreeClassifier(max_depth=10)
dt.fit(X_train, y_train)
y_pred_dt = dt.predict(X_test)
acc_decision_tree=accuracy_score(y_test, y_pred_dt)

上の例では、最初に DecisionTreeClassifier 関数とAccuracy_score 関数をインポートします。max_ Depth はデシジョン ツリーの深さ、X_train と y_train はトレーニング データ、X_test と y_testはテストデータです。次に、fit() 関数を使用してモデルを近似し、predict() 関数を使用してモデルの結果を予測します。

3. サポート ベクター マシン (SVM)

サポート ベクター マシン アルゴリズムは、トレーニング データとテスト データの間の関係を見つけることができる分類アルゴリズムです。最適な境界線 (つまり、決定境界）、この境界線を通じてテスト データを 2 つの異なるカテゴリに分割します。 Python では、svm.SVC 関数を使用して SVM を実装できます。

例:

from sklearn import svm
svm = svm.SVC(kernel='linear',C=1,gamma='auto')
svm.fit(X_train, y_train)
y_pred_svm = svm.predict(X_test)
svm_score = svm.score(X_test, y_test)

上の例では、svm.SVC を使用して SVM 分類子モデルを初期化し、カーネルを線形、ガンマ値を auto に指定します。そして、トレーニング データ セットをモデル トレーニング用のモデルにインポートし、predict() 関数を使用してテスト データ セットに対して予測を行います。モデルの精度スコアを計算するには、score() 関数を使用します。

概要:

上記は、3 つの従来の機械学習の実装です。これらの機械学習手法は、多くの分野で広く使用されています。 Python では、scikit-learn ライブラリを使用して、従来の機械学習モデルを迅速かつ効果的に実装し、特定のデジタル結果を取得できます。

以上がPython での従来の機械学習の例の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。