[PYTHON] J'ai essayé d'utiliser RandomForest

But de cette fois

SIGNATURE Pratique, prédiction des cépages.

Sujet principal

Algorithme d'apprentissage utilisé

• SVC --Régression logistique --RandomForest

Après avoir essayé trois algorithmes, la forêt aléatoire était la plus précise, elle a donc été adoptée comme classificateur final.

code

Lire les données

wine-learning.py

wine_data = pd.read_csv('train.tsv',sep='\t')
wine_test = pd.read_csv('test.tsv',sep='\t')

J'ai utilisé read_table la dernière fois, mais j'ai aussi essayé d'utiliser read_csv parce que c'est un gros problème. Je pense que cette table est plus facile. À propos, les méthodes pour appeler les deux semblent être les mêmes, il n'y en a donc pas de bonne.

Séparation des données d'entité et des données d'enseignant

wine-learning.py

X = wine_data.loc[:,['Alcohol','Malic acid','Ash','Alcalinity of ash','Magnesium','Total phenols','Flavanoids','Nonflavanoid ohenols','Proanthocyanins','Color intensity','Hue','OD280/OD315 of diluted wines','Proline']].values
y = wine_data.loc[:,'Y'].values

Je veux faire quelque chose à ce sujet parce que cela a tendance à être long quand il y a beaucoup de variables. Voyons s'il y a un moyen de l'améliorer lors de la tâche suivante. Au fait, les données de test sont enfin là

wine-learning.py

Xt = wine_test.loc[:,['Alcohol','Malic acid','Ash','Alcalinity of ash','Magnesium','Total phenols','Flavanoids','Nonflavanoid ohenols','Proanthocyanins','Color intensity','Hue','OD280/OD315 of diluted wines','Proline']].values

Divisé en données d'entraînement et données de test

wine-learning.py

X_train, X_test, y_train, y_test = train_test_split(X,y,test_size=0.2)

Cette fois également, les données ont été divisées selon un ratio de 8: 2.

Supprimer les valeurs manquantes

wine-learning.py

X_train = X_train[:, ~np.isnan(X_train).any(axis=0)]
X_test = X_test[:, ~np.isnan(X_test).any(axis=0)]
Xt = Xt[:, ~np.isnan(Xt).any(axis=0)]

Une valeur manquante qui n'existait pas avant l'apparition soudaine de la scission. Je ne connaissais pas la cause, je vais donc essayer de la vérifier bientôt. Cette fois, nous avons décidé de supprimer les valeurs manquantes.

Apprentissage de modèle

SVC

wine-learning.py

clf = svm.SVC()
clf.fit(X_train, y_train)

Retour logistique

wine-learning.py

clf = LogisticRegression()
clf.fit(X_train, y_train)

Forêt aléatoire

wine-learning.py

clf = RandomForestClassifier(n_estimators=500, random_state=0)
clf.fit(X_train, y_train)

Random_state a été défini sur 0 et n_estimators (nombre d'arbres de décision) sur 500.

Évaluation du modèle

wine-learning.py

y_pred = clf.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print('Taux de réponse correct= ' , accuracy)

Comme dans l'exemple, le taux de réponse correct a été calculé à l'aide de la fonction «précision».

Taux de réponse correcte SVC

Taux de réponse correct=  0.6111111111111112

Taux de réponse correcte de la régression logistique

Taux de réponse correct=  0.8888888888888888

Taux de précision de la forêt aléatoire

Taux de réponse correct=  1.0

Classification

wine-learning.py

X_pred = np.array(Xt)
y_pred = clf.predict(X_pred)
print(y_pred)

résultat

Je l'ai fait (Pachi Pachi)

Considération

• Changer l'algorithme d'apprentissage en fonction de la quantité de variables. --Réduire le nombre de variables (supprimer les dimensions), puis appliquer l'algorithme d'apprentissage. --Comprendre les caractéristiques de l'algorithme en premier lieu.
• Enquêter sur la cause des valeurs manquantes survenues au moment de la division des données --Adoption d'une matrice mixte