[PYTHON] Versuchen Sie es mit Kaggle leicht maschinell

Dieser Artikel ist der Artikel zum 23. Tag von PONOS Adventskalender 2019.

Einführung

Dieser Artikel soll Ihnen einen schnellen Test des maschinellen Lernens ohne den Aufwand von Vorbereitungsarbeiten geben. Ich werde nicht auf detaillierte Methodenerklärungen oder Problemlösungsmethoden eingehen.

Registrieren Sie sich bei Kaggle

Registrieren wir uns zunächst unter Kaggle (Kaggle). Kaggle ist eine Plattform, auf der sich Datenwissenschaftler und Ingenieure für maschinelles Lernen auf der ganzen Welt Tag und Nacht rasieren. Die Ausführungsumgebung von Python wird im Web vorbereitet, und alle erforderlichen Bibliotheken und Lerndaten sind verfügbar, sodass Sie sie sofort ausprobieren können, ohne die Umgebung lokal zu erstellen.

Versuch mit Daten aus dem Untergang der Titanic

Bei Kaggle finden täglich Wettbewerbe statt, bei denen Sie verschiedene Daten berühren können. Dieses Mal verwenden wir Titanic: Maschinelles Lernen aus Katastrophen, das immer als Tutorial geöffnet ist und nicht als Wettbewerb. Mit diesem Wettbewerb soll anhand der Passagierliste der Titanic (Name, Alter, Geschlecht, Kabinenklasse usw.) festgestellt werden, ob ein Passagier ohne Überlebensinformationen überlebt hat und ob er als Trainingsdaten überlebt hat oder nicht.

Nimm am Wettbewerb teil

Sie können teilnehmen, indem Sie auf Wettbewerb anmelden klicken.

Machen Sie ein Notizbuch

Sie können es erstellen, indem Sie auf der Registerkarte Notizbücher auf Neues Notizbuch klicken. Gehen Sie zum Einstellungsbildschirm. Sie können die Standardeinstellung beibehalten. Drücken Sie einfach auf Erstellen.

Daten anzeigen

Schauen wir uns zunächst die zu lernenden Daten an. Löschen Sie den von Anfang an geschriebenen Code und schreiben Sie den folgenden Code.

cell1

import pandas as pd

Sie können den Inhalt dieser Zelle ausführen, indem Sie Strg + Eingabetaste drücken oder die Wiedergabetaste links drücken. Hier ändert sich nichts, da wir nur die Bibliothek laden. Drücken Sie den Code b oder + am unteren Rand der Zelle, um eine neue Zelle hinzuzufügen und den folgenden Code zu schreiben.

cell2

train = pd.read_csv('../input/titanic/train.csv')
test = pd.read_csv('../input/titanic/test.csv')
passenger_id = test.PassengerId #Zur Einreichung speichern
train.head(3)

Wenn Sie es ausführen und die Tabelle angezeigt wird, ist es erfolgreich. Dieses Mal werden wir Survived, Pclass, Sex, Age, SibSp, Parch, Fare, Embarked verwenden.

cell2

train = train.iloc[:, [1, 2, 4, 5, 6, 7, 9, 11]]
test = test.iloc[:, [1, 3, 4, 5, 6, 8, 10]]

Formatieren Sie die Daten

Zum Lernen werden numerische Daten benötigt, daher werden wir die Daten formatieren. Reparieren Sie zunächst den Datenverlust. Da train.Age, train.Embarked, test.Age und test.Fare fehlende Daten haben, füllen Sie diese mit guten Shioume-Nummern. Dieses Mal ist Embarked mit S gefüllt, und die anderen sind mit dem Medianwert gefüllt.

cell2

train.Age = train.Age.fillna(train.Age.median())
train.Embarked = train.Embarked.fillna('S')
test.Age = test.Age.fillna(test.Age.median())
test.Fare = test.Fare.fillna(test.Fare.median())

Als nächstes konvertieren Sie Sex und Embarked in Zahlen mit einer Hot-Codierung.

cell2

train = pd.get_dummies(train)
test = pd.get_dummies(test)

Konvertieren Sie schließlich Alter und Tarif in diskrete Werte. Da es numpy verwendet, wird die Bibliothek geladen.

cell1

import numpy as np

cell2

train.Age = np.digitize(train.Age, bins=[10, 20, 30, 40, 50])
train.Fare = np.digitize(test.Fare, bins=[10, 20, 30])
test.Age = np.digitize(train.Age, bins=[10, 20, 30, 40, 50])
test.Fare = np.digitize(test.Fare, bins=[10, 20, 30])

lernen

Dieses Mal werden wir einen zufälligen Wald verwenden. Es ist eine Methode, um leicht unterschiedliche Entscheidungsbäume zu lernen und diese zu mitteln. Laden Sie zuerst die Bibliothek (scikit-learn).

cell1

from sklearn.ensemble import RandomForestClassifier 

Trennen Sie die Überlebenden von den Trainingsdaten. Fügen Sie eine neue Zelle hinzu und schreiben Sie den folgenden Code.

cell3

X = train.iloc[:, 1:]
y = train.iloc[:, 1]

Nachdem die Trainingsdaten fertig sind, trainieren wir.

cell3

forest = RandomForestClassifier(n_estimators=5, random_state=0)
forest.fit(X, y)

Nachdem wir gelernt haben, werden wir anhand von Testdaten Vorhersagen treffen.

cell3

predictions = forest.predict(test)

Speichern Sie abschließend das Vorhersageergebnis in einer Datei.

cell3

submission = pd.DataFrame({ 'PassengerId': passenger_id, 'Survived': predictions })
submission.to_csv('submission.csv', index=False)

Bei Kaggle einreichen

Drücken Sie die Commit-Taste, um ein Popup-Fenster anzuzeigen. Klicken Sie auf die Schaltfläche Version öffnen, wenn Sie fertig sind. In der Spalte Ausgabe des neu geöffneten Bildschirms befinden sich die zuvor gespeicherte Datei submit.csv und die Schaltfläche An Wettbewerb senden. Drücken Sie sie also. Die Punktzahl wird angezeigt, wenn die Einreichung abgeschlossen ist. Ich denke, es wird ungefähr 0,76 sein (je näher es an 1 liegt, desto besser ist die Punktzahl).

Und zum eigentlichen Wettbewerb ...

Da ich diesmal versucht habe, wird der Lernteil hauptsächlich von der Bibliothek erledigt. Die eigentliche Schwierigkeit war überwiegend der Datenformteil (schwieriger, wenn Sie die Genauigkeit verbessern wollten). Diejenigen, die in dieser Art von Arbeit gut sind, möchten vielleicht den Weg des maschinellen Lernens beschreiten.