Python 3 – 機械学習Classifer-Pythonチュートリアル

分類は機械学習タスクの1つです。 では、分類とは何ですか？
これは、データを分類するために常に行うことです。

オブジェクトを見ると、マグカップ、タブ、椅子など、どのクラスに属しているかがすぐにわかります。
それが分類のタスクであり、コンピューターはこれを（データに基づいて）行うことができます。

この記事は初心者向けの機械学習です。 最初の機械学習プログラムを作りましょう

関連コース： Python機械学習コース

教師あり機械学習

トレーニングデータ

機械学習モジュールsklearnをインポートします。 （教師あり）機械学習アルゴリズムは、例またはトレーニングデータを使用します。 トレーニングフェーズは、機械学習アルゴリズムの最初のステップです。

サンプルデータを使用しているため、最初にデータを収集します。 リンゴとオレンジの画像のセットのように、機能を書き留めます。

機能を使用して、2つのクラスを区別できます。 特徴は、色、形、重さなどのプロパティです。 数値で表現できます。

重要なタスクの1つは、トレーニングデータから優れた機能を取得することです。 各画像のカテゴリを書き留めます。 カテゴリはクラスです。リンゴの場合はクラス0、オレンジの場合はクラス1を取得できます。

クラスはいくつでも持つことができますが、この例では2つのクラス（リンゴとオレンジ）を使用します。

特徴を水平に書きます。線は最初の画像を表します。

したがって、これは特徴ベクトルと呼ばれます。 この数字のセットは画像を表しています。

分類子

トレーニングフェーズの後、 分類器は予測を行うことができます。
新しい特徴ベクトルが与えられた場合、画像はリンゴですか、それともオレンジですか？

分類アルゴリズムにはさまざまな種類があり、そのうちの1つは デシジョンツリー。

新しいデータがある場合、アルゴリズムは新しいデータが属するクラスを決定できます。
出力は次のようになります [0] リンゴと [1] オレンジ用。

したがって、これは新しいデータであり、アルゴリズムで予測を行うだけです。

1
2
3
4
5
6
7
8
9
10

from sklearn import tree

features = [[0,50],[0,60],[1,35],[1,36],[1,40]]
labels = [0,0,1,1,1]

algorithm = tree.DecisionTreeClassifier()
algorithm = algorithm.fit(features, labels)

newData = [[0,51]]
print(algorithm.predict(newData))

過剰適合と過適合

一般に、トレーニングデータが多いほど、分類器は優れたものになります。
トレーニングデータがほとんどない場合（アンダーフィッティング）、あなたは良い予測を持っていないでしょう。

したがって、一般的には、データが多いほど正確になります。 しかし、それには限界があります、それは呼ばれています 過剰適合。

機械学習を初めて使用する場合は、 それなら私はこの本を強くお勧めします。

例と演習をダウンロードする