機械学習：回帰用データを作成する

[Take1] まずはノイズオプションをゼロにして作ってみる

【書式】

書式：回帰データの生成

make_regression(ランダムの種, 特徴量, ノイズ, y切片, データ個数)

書式：列の追加

df["列名"]=y

【コード】

%matplotlib inline

import matplotlib.pyplot as plt

from sklearn.datasets import make_regression

import pandas as pd

 

# 特徴量 X、分類 y のデータ作成

X,y=make_regression(

    random_state=3, # ランダムの種

    n_features=1, # 特徴量

    noise=0, # ノイズ

    bias=100, # y切片

    n_samples=300 # データ数

)

 

# 特徴量 X、分類 y のデータフレームを作成

df=pd.DataFrame(X)

# yをdfの「target」列に追加する

df["target"]=y

 

# グラフの描画

plt.figsize=(5,5)

plt.scatter(df[0],df["target"],color="b",alpha=0.5)

plt.show()

 

 

# 以下参考

# dfをcsvに書き出す（エクセル分析ツールにかける）

df.to_csv("/content/drive/MyDrive/Python_2024/003/n-0_r-3.csv")

print(df.head())

print(df.shape)

print(y.shape)

【結果】

 

0 target

0 -1.744110 49.083983

1 -1.244123 63.680160

2 -0.140620 95.894863

3 1.729417 150.487088

4 0.425967 112.435298

(300, 2)

(300,)

基準は、(x,y)=(0,100)を通る直線ということだと思われる。

Excelの回帰分析ツールにかけた結果を貼っておく

結局、y=29.2x+100 という直線データになりそう。

[Take1-1] 特徴量と y のデータ型等調べてみる

【書式】

【コード】

from sklearn.datasets import make_regression

import pandas as pd

 

# 特徴量 X、 y のデータ作成

X,y=make_regression(

    random_state=3, # ランダムの種

    n_features=1, # 特徴量

    noise=10, # ノイズ

    bias=100, # y切片

    n_samples=30 # データ数（わかりやすくするために減らす）

)

 

# 特徴量 X、分類 y のデータフレームを作成

df=pd.DataFrame(X)

 

# 各データの型と形式を羅列する

print("Xの内容")

print(X)

print("\n")

print("yの内容")

print(y)

print("\n")

print("Xのデータ型: ",type(X))

print("Xのサイズ: ",X.shape)

print("\n")

print("yのデータ型: ",type(y))

print("yのサイズ: ",y.shape)

print("\n")

print("dfのデータ型: ",type(df))

print("dfのサイズ: ",df.shape)

【結果】

Xの内容

[[-0.40467741]

[ 1.70957306]

[-0.35475898]

[ 1.78862847]

[ 0.62524497]

[-0.08274148]

[-0.47721803]

[-0.7129932 ]

[-1.10106763]

[-1.54647732]

[-1.8634927 ]

[ 0.43650985]

[ 0.05003364]

[-0.62700068]

[ 0.09649747]

[-0.04381817]

[-0.2056499 ]

[ 0.98236743]

[-0.16051336]

[-0.2773882 ]

[ 0.88131804]

[ 1.48614836]

[-0.54535995]

[-1.31386475]

[-1.18504653]

[ 0.88462238]

[-0.23003072]

[-1.02378514]

[-0.76883635]

[ 0.23671627]]

 

 

yの内容

[ 59.23041008 209.51540911 74.48741923 196.6240151 122.64247591

90.90871473 79.45754396 66.09517423 18.82827412 -9.78062739

-35.72030042 136.98156109 103.94263972 40.89943117 101.5597172

99.68222847 97.41828583 178.09277067 97.12241835 64.54730783

143.36925447 187.24737037 64.01834033 4.25452278 30.97495863

148.15167995 84.09686667 21.02405319 42.78785649 130.22336094]

 

 

Xのデータ型: <class 'numpy.ndarray'>

Xのサイズ: (30, 1)

 

 

yのデータ型: <class 'numpy.ndarray'>

yのサイズ: (30,)

 

 

dfのデータ型: <class 'pandas.core.frame.DataFrame'>

dfのサイズ: (30, 1)

[Take2] ノイズパラメータを変更した場合「noise=10」

【書式】

【コード】

%matplotlib inline

import matplotlib.pyplot as plt

from sklearn.datasets import make_regression

import pandas as pd

 

# 特徴量 X、分類 y のデータ作成

X,y=make_regression(

    random_state=3, # ランダムの種

    n_features=1, # 特徴量

    noise=10, # ノイズ★

    bias=100, # y切片

    n_samples=300 # データ数

)

 

# 特徴量 X、分類 y のデータフレームを作成

df=pd.DataFrame(X)

# yをdfの「target」列に追加する

df["target"]=y

 

# グラフの描画

plt.figsize=(5,5)

plt.scatter(df[0],df["target"],color="b",alpha=0.5)

plt.show()

 

# dfをcsvに書き出す（エクセル分析ツールにかける）

df.to_csv("/content/drive/MyDrive/Python_2024/003/n-10_r-3.csv")

【結果】

なんとなく予想通り（ばらつきが広がる）のかたちになった。

Excelの回帰分析ツールにかけた結果を貼っておく

切片と傾きはおおむね同じ。

[Take3] ランダムパラメータを変更した場合「random_state=6」

【書式】

【コード】

%matplotlib inline

import matplotlib.pyplot as plt

from sklearn.datasets import make_regression

import pandas as pd

 

# 特徴量 X、分類 y のデータ作成

X,y=make_regression(

    random_state=6, # ランダムの種★

    n_features=1, # 特徴量

    noise=0, # ノイズ

    bias=100, # y切片

    n_samples=300 # データ数

)

 

# 特徴量 X、分類 y のデータフレームを作成

df=pd.DataFrame(X)

# yをdfの「target」列に追加する

df["target"]=y

 

# グラフの描画

plt.figsize=(5,5)

plt.scatter(df[0],df["target"],color="b",alpha=0.5)

plt.show()

 

# dfをcsvに書き出す（エクセル分析ツールにかける）

df.to_csv("/content/drive/MyDrive/Python_2024/003/n-0_r-6.csv")

【結果】

Excelの回帰分析ツールにかけた結果を貼っておく

傾き6？これ以上の深入りはやめておく。