[PYTHON] SVM versucht maschinelles Lernen mit Scikit-Learn

Hallo. Ich bin ein Anfänger. Ich denke darüber nach, maschinelles Lernen mit einem bestimmten Dienst durchzuführen (einem passenden Dienst für Personen, die ein Bild aufnehmen können, und für jemanden, der ein Bild aufnehmen möchte), und ich untersuche dies.

Problem

Ich werde versuchen, die erste Frage zu lösen.

http://next.rikunabi.com/tech/docs/ct_s03600.jsp?p=002315

Es ist ein Problem des überwachten Lernens. Versuchen Sie, SVM wie in der Beispielantwort auf der obigen Seite zu verwenden. Für die Bibliothek habe ich versucht, scicit-learn zu verwenden.

http://scikit-learn.org/stable/index.html

Wenn Sie nur SVM verwenden möchten, scheint es andere Bibliotheken zu geben, aber Scicit-Learn ist gut ~ Es gibt viele Leute, die so etwas sagen, also habe ich versucht, es zu verwenden.

Ich werde es vorerst versuchen

svmtest.py


# -*- coding: utf-8 -*-
from sklearn.svm import LinearSVC
import numpy as np

#Trainingsdaten
data_training_tmp = np.loadtxt('CodeIQ_auth.txt', delimiter=' ')
data_training = [[x[0], x[1]] for x in data_training_tmp]
label_training = [int(x[2]) for x in data_training_tmp]

#Testdaten
data_test = np.loadtxt('CodeIQ_mycoins.txt', delimiter=' ')

#Lernen
estimator = LinearSVC(C=1.0)
estimator.fit(data_training, label_training)

#Ich werde vorhersagen
label_prediction = estimator.predict(data_test)

print(label_prediction)
[1 0 0 1 1 0 1 1 1 0 0 1 1 0 0 1 0 0 0 1]

Die Beispielseite hat die Antwort in R, aber Scikit-Learn war fast das gleiche.

Es scheint, dass andere Klassifikatoren auf die gleiche Weise verwendet werden können. Sehr schön!

Transzendentale Referenzstelle http://sucrose.hatenablog.com/entry/2013/05/25/133021

Apropos?

Ich weiß nicht wirklich, ob ich die Genauigkeit des Klassifikators überprüfen muss, bevor ich eine Vorhersage mit unbekannten Daten mache. Es ist notwendig zu bestätigen. Ich meine, ich muss auch die Parameter einstellen.

Ich habe es eine Weile versucht, aber ich hatte nicht das Gefühl, dass ich mich darauf einstellte, weil die Daten für das Training zu klein oder zu einfach zu überprüfen waren oder selbst wenn ich die Parameter änderte, sie fast 100% erreichten.

Ich werde es mit anderen Daten machen.

Es ist heute vorbei

Recommended Posts

SVM versucht maschinelles Lernen mit Scikit-Learn
Versuchen Sie es mit Kaggle leicht maschinell
Probieren Sie SVM mit scikit-learn auf Jupyter Notebook aus
Mehrklassen-SVM mit Scikit-Learn
[Python] Einfache Einführung in das maschinelle Lernen mit Python (SVM)
Maschinelles Lernen mit Pokemon gelernt
Versuchen Sie es mit TensorFlow
Maschinelles Lernen mit Python! Vorbereitung
Versuchen Sie Deep Learning mit FPGA
Maschinelles Lernen Minesweeper mit PyTorch
Beginnend mit maschinellem Python-Lernen
[Maschinelles Lernen] SVM sowohl aus Scikit-Lernen als auch aus Mathematik verstehen
Einfaches maschinelles Lernen mit Scikit-Learn und Flask ✕ Web App
Versuchen Sie, den Wechselkurs (FX) mit nicht tiefem maschinellem Lernen vorherzusagen
Praktisches maschinelles Lernen mit Scikit-Learn und TensorFlow-TensorFlow gab auf-
[Maschinelles Lernen] Starten Sie Spark mit iPython Notebook und probieren Sie MLlib aus
Probieren Sie Deep Learning mit FPGA-Select-Gurken aus
Lernen stärken 13 Probieren Sie Mountain_car mit ChainerRL aus.
[Maschinelles Lernen] Lassen Sie uns den Entscheidungsbaum studieren
Erstellen Sie mit VirtualBox und Ubuntu eine Scikit-Lernumgebung für maschinelles Lernen
Maschinelles Lernen ① SVM-Zusammenfassung (Support Vector Machine)
Maschinelles Lernen mit Python (1) Gesamtklassifizierung
Versuchen Sie es mit TensorFlow Part 2
Anfänger des maschinellen Lernens versuchen eine lineare Regression
Maschinelles Lernen
[Maschinelles Lernen] Versuchen Sie, zufällige Wälder zu studieren
Versuchen Sie Common Representation Learning mit Chainer
Quanteninspiriertes maschinelles Lernen mit Tensornetzwerken
Beginnen Sie mit dem maschinellen Lernen mit SageMaker
"Scraping & maschinelles Lernen mit Python" Lernnotiz
[Maschinelles Lernen] Versuchen Sie, Spark MLlib mit Python auszuführen, und geben Sie Empfehlungen ab
[Lesehinweis] Praktisches maschinelles Lernen mit Scikit-Learn, Keras und TensorFlow Kapitel 1
scikit-learn Verwendung der Zusammenfassung (maschinelles Lernen)
Aktienkursprognose mit maschinellem Lernen (Scikit-Learn)
Vorhersage des Strombedarfs durch maschinelles Lernen Teil 2
Unausgeglichenes Datenlernen mit maschinellem Lernen k-NN
Maschinelles Lernen mit Python (2) Einfache Regressionsanalyse
Eine Geschichte über maschinelles Lernen mit Kyasuket
Versuchen Sie es mit Chainer Deep Q Learning - Launch
Versuchen Sie mit Kipoi tiefes Erlernen der Genomik
[Shakyo] Begegnung mit Python zum maschinellen Lernen
Maschinelles Lernen mit Pytorch in Google Colab
Aufbau einer KI / maschinellen Lernumgebung mit Python
Stärkung des Lernens 11 Probieren Sie OpenAI Acrobot mit ChainerRL aus.
Isomap mit Scikit-lernen
Clustering mit Scikit-Learn (1)
Clustering mit Scikit-Learn (2)
PCA mit Scikit-Learn
[Memo] Maschinelles Lernen
Klassifikation des maschinellen Lernens
kmeans ++ mit scikit-learn
[Memo / Erstellen] "Praktisches maschinelles Lernen mit Scikit-Learn & TensorFlow" Englische Übersetzung ins Japanische
Beispiel für maschinelles Lernen
Maschinelles Lernen beginnend mit Python Personal Memorandum Part2
Versuchen Sie, den Strombedarf durch maschinelles Lernen vorherzusagen
Maschinelles Lernen beginnend mit Python Personal Memorandum Part1
[Python] Sammeln Sie Bilder mit Icrawler für maschinelles Lernen [1000 Blatt]
Maschinelles Lernen von Grund auf neu (maschinelles Lernen mit Kaggle)
Überblick über maschinelle Lerntechniken, die aus Scikit-Learn gelernt wurden