機械学習：塊のデータセットの生成

種類別のコード

[Take1] 「塊」のデータセットを作る

【書式】

書式：データ生成

特徴量,目的変数=make_blobs(パラメータ)

書式：カラム名変更

df= df.rename(columns={変更前: 変更後})

※複数ある時は、{}内を「,」でつなげる。

【コード】

from sklearn.datasets import make_blobs

import pandas as pd

 

# 「塊」のデータセット生成

X,y=make_blobs(

    random_state=3, # ランダムの種

    n_features=2, # 特徴量の数

    centers=2,  # 塊の数

    cluster_std=1,  # ばらつき

    n_samples=300 # データ数

)

 

# 作ったデータセットの情報を表示

print("type(X):",type(X))

print("X.shape:",X.shape)

print("len(X):",len(X))

print("type(y):",type(y))

print("y.shape:",y.shape)

print("len(y):",len(y))

 

 

# X（特徴量）でデータフレームを作る

df=pd.DataFrame(X)

 

# ｙ（悦明変数）を「target」の列名でデータフレームに追加

df["target"]=y

 

# dfを表示する（カラム名変更前）

print("\n")

print(df.head())

 

#　カラム名を変更する(targetと同じ表記で紛らわしいので)

df= df.rename(columns={0: 'col_0',1: 'col_1'})

 

# dfを表示する（カラム名変更後）

print("\n")

print(df.head())

【結果】

type(X): <class 'numpy.ndarray'>

X.shape: (300, 2)

len(X): 300

type(y): <class 'numpy.ndarray'>

y.shape: (300,)

len(y): 300

 

 

0 1 target

0 -5.071794 -1.364393 1

1 -3.174364 -1.145104 1

2 0.818543 5.937601 0

3 -4.338424 -2.055692 1

4 -3.887373 -0.436586 1

 

 

col_0 col_1 target

0 -5.071794 -1.364393 1

1 -3.174364 -1.145104 1

2 0.818543 5.937601 0

3 -4.338424 -2.055692 1

4 -3.887373 -0.436586 1

[Take2] データセットの散布図を作る

【書式】

plt.scatter(横軸カラム名,縦軸カラム名,coloc="b",alpha=0.5)

【コード】

%matplotlib inline

import matplotlib.pyplot as plt

from sklearn.datasets import make_blobs

import pandas as pd

 

# 「塊」のデータセット生成

X,y=make_blobs(

    random_state=3, # ランダムの種

    n_features=2, # 特徴量の数

    centers=2,  # 塊の数

    cluster_std=1,  # ばらつき

    n_samples=300 # データ数

)

 

# X（特徴量）でデータフレームを作る

df=pd.DataFrame(X)

 

# ｙ（悦明変数）を「target」の列名でデータフレームに追加

df["target"]=y

 

#　カラム名を変更する

df= df.rename(columns={0: 'col_0',1: 'col_1'})

 

# targetの種類ごとに異なるデータフレームを作る

df0=df[df['target']==0]

df1=df[df['target']==1]

 

# 散布図を描画する

plt.scatter(df0["col_0"],df0["col_1"],color="b",alpha=0.5)

plt.scatter(df1["col_0"],df1["col_1"],color="g",alpha=0.5)

plt.xlabel("col_0")

plt.ylabel("col_1")

plt.show()

【結果】

[Take3] 塊の数が5個の散布図を作る

【書式】

【コード】

%matplotlib inline

import matplotlib.pyplot as plt

from sklearn.datasets import make_blobs

import pandas as pd

 

# 「塊」のデータセット生成

X,y=make_blobs(

    random_state=3, # ランダムの種

    n_features=2, # 特徴量の数

    centers=5,  # 塊の数

    cluster_std=1,  # ばらつき

    n_samples=300 # データ数

)

 

# X（特徴量）でデータフレームを作る

df=pd.DataFrame(X)

 

# ｙ（悦明変数）を「target」の列名でデータフレームに追加

df["target"]=y

 

#　カラム名を変更する

df= df.rename(columns={0: 'col_0',1: 'col_1'})

 

# targetの種類ごとに異なるデータフレームを作る

df0=df[df['target']==0]

df1=df[df['target']==1]

df2=df[df['target']==2]

df3=df[df['target']==3]

df4=df[df['target']==4]

 

# 散布図を描画する

plt.scatter(df0["col_0"],df0["col_1"],color="b",alpha=0.5)

plt.scatter(df1["col_0"],df1["col_1"],color="g",alpha=0.5)

plt.scatter(df2["col_0"],df2["col_1"],color="r",alpha=0.5)

plt.scatter(df3["col_0"],df3["col_1"],color="m",alpha=0.5)

plt.scatter(df4["col_0"],df4["col_1"],color="c",alpha=0.5)

 

plt.xlabel("col_0")

plt.ylabel("col_1")

plt.show()

【結果】

[Take3-1] 塊の数が5個で、random_state オプションを変えてみる（3→6）

random_state オプションをを変更すると、塊の分布が変わる。

【書式】

【コード】

%matplotlib inline

import matplotlib.pyplot as plt

from sklearn.datasets import make_blobs

import pandas as pd

 

# 「塊」のデータセット生成

X,y=make_blobs(

    random_state=6, # ランダムの種★

    n_features=2, # 特徴量の数

    centers=5,  # 塊の数

    cluster_std=1,  # ばらつき

    n_samples=300 # データ数

)

 

# X（特徴量）でデータフレームを作る

df=pd.DataFrame(X)

 

# ｙ（悦明変数）を「target」の列名でデータフレームに追加

df["target"]=y

 

#　カラム名を変更する

df= df.rename(columns={0: 'col_0',1: 'col_1'})

 

# targetの種類ごとに異なるデータフレームを作る

df0=df[df['target']==0]

df1=df[df['target']==1]

df2=df[df['target']==2]

df3=df[df['target']==3]

df4=df[df['target']==4]

 

# 散布図を描画する

plt.scatter(df0["col_0"],df0["col_1"],color="b",alpha=0.5)

plt.scatter(df1["col_0"],df1["col_1"],color="g",alpha=0.5)

plt.scatter(df2["col_0"],df2["col_1"],color="r",alpha=0.5)

plt.scatter(df3["col_0"],df3["col_1"],color="m",alpha=0.5)

plt.scatter(df4["col_0"],df4["col_1"],color="c",alpha=0.5)

 

plt.xlabel("col_0")

plt.ylabel("col_1")

plt.show()

【結果】

[Take3-2] 塊の数が5個で cluster_std オプションを変えてみる(1→3)

cluster_std オプションを変更（大きく）すると、個々の塊がぼやける

【書式】

【コード】

%matplotlib inline

import matplotlib.pyplot as plt

from sklearn.datasets import make_blobs

import pandas as pd

 

# 「塊」のデータセット生成

X,y=make_blobs(

    random_state=6, # ランダムの種

    n_features=2, # 特徴量の数

    centers=5,  # 塊の数

    cluster_std=3,  # ばらつき★

    n_samples=300 # データ数

)

 

# X（特徴量）でデータフレームを作る

df=pd.DataFrame(X)

 

# ｙ（悦明変数）を「target」の列名でデータフレームに追加

df["target"]=y

 

#　カラム名を変更する

df= df.rename(columns={0: 'col_0',1: 'col_1'})

 

# targetの種類ごとに異なるデータフレームを作る

df0=df[df['target']==0]

df1=df[df['target']==1]

df2=df[df['target']==2]

df3=df[df['target']==3]

df4=df[df['target']==4]

 

# 散布図を描画する

plt.scatter(df0["col_0"],df0["col_1"],color="b",alpha=0.5)

plt.scatter(df1["col_0"],df1["col_1"],color="g",alpha=0.5)

plt.scatter(df2["col_0"],df2["col_1"],color="r",alpha=0.5)

plt.scatter(df3["col_0"],df3["col_1"],color="m",alpha=0.5)

plt.scatter(df4["col_0"],df4["col_1"],color="c",alpha=0.5)

 

plt.xlabel("col_0")

plt.ylabel("col_1")

plt.show()

【結果】