ビデオ・レッスン－機械学習レシピ（1/10）ー ノート

---

機械学習がどんなものかを学ぶビデオ・レッスンです。

機械学習が何をしようとしているのかをコーディングを通して、教えてくれます。

GoogleのJosh Gordonさんのレッスンでシリーズものになっています。

その1回目

---

はじめに – 機械学習レシピ１

---

以下はムービーの説明を補足するヘルプです

---

Pythonとscikit-learnライブラリーを使った決定木のお話です。

環境

scikit-learnの依存ライブラリー

• NumPy
• Scipy
• Pandas

ムービーではMacOS + Python2を使っているようですが、WisteriaHillはMacを持っていないのでubuntu 16.04 LTS + Python3でやってみます。

＄sudo pip3 install scikit-learn

＄python3

>>>import sklearn

以下のようなエラーが出た場合
RuntimeWarning: numpy.dtype size changed, may indicate binary incompatibility. Expected 96, got 88

この警告を止めるコードが誤ってnumpyの1.14.5と1.15.0の間で削除されていたようです（バグです）。

この間のバージョンに相当する場合は、一度削除して
＄sudo pip3 ununstall numpy

バージョン指定して再インストール(numpyを最新にします)

＄sudo pip3 install numpy==1.15.1

バグはフィックスされています。

---

やってみます。

Training data

Weight	Texture	Label
150g	Bumpy	Orange
170g	Bumpy	Orange
140g	Smooth	Apple
130g	Smooth	Apple

↓

ムービーとは違って、配列はすべてかぎ括弧です。featuresの成分のセットに中括弧を使うとエラーになります

× features = [{140,”smooth”},{130,”smooth”},{150,”bumpy”},{170,”bumpy”}]

○ features = [[140,”smooth”],[130,”smooth”],[150,”bumpy”],[170,”bumpy”]]

labels = [“apple”,”apple”,”orange”,”orange”]

↓

features = [[140,1],[130,1],[150,0],[170,0]]

labels = [“apple”,”apple”,”orange”,”orange”]

 

ムービーとは少し変えて、「160gでbumpy（160で0）なものはどっち？」を推測します。

【test.py】

from sklearn import tree

features = [[140,1],[130,1],[150,0],[170,0]]

labels = [“apple”,”apple”,”orange”,”orange”]

clf = tree.DecisionTreeClassifier()

clf = clf.fit(features ,labels)

print (clf.predict([[160,0]]))

 

＄python3 test.py

 

結果

---

コードサンプル

---

ビデオ・レッスン－機械学習レシピ 1 ～ 10 Links

---

Youtubeの字幕（subtitles）の変更

English -> ?

下のギアアイコン－＞字幕－＞言語選択

---