【コピペOK】機械学習によく使うPythonのコード一覧！機械学習×Pythonのコツも解説

# アルゴリズム、データセット、などのライブラリをインポート
from sklearn import neighbors, datasets, preprocessing
# トレーニング用とテスト用に分けてくれる便利な関数
from sklearn.model_selection import train_test_split
# 予測に対する正解率（accuracy）を出すために必要
from sklearn.metrics import accuracy_score

# StandardScalerを使ってデータセットを標準化する。
scaler = preprocessing.StandardScaler().fit(X_train)
# 実際の変換作業。
X_train = scaler.transform(X_train)
X_test = scaler.transform(X_test)

# K近傍法を使ってモデルを作成。
knn = neighbors.KNeighborsClassifier(n_neighbors=5)
# トレーニング用データで学習をさせる。
knn.fit(X_train, y_train)
# テスト用データで予測値を出す。
y_pred = knn.predict(X_test)
# 正解率をテスト用目的変数と予測値を使って計算する。
accuracy_score(y_test, y_pred)

from sklearn import tree

# 不純度の指標をジニ係数にする。エンロトピーと使い分ける必要がある。
model = tree.DecisionTreeClassifier(criterion=’gini’)
model.fit(X_train, y_train)
model.score(X_test, y_test)
predicted = model.predict(X_test)

from sklearn import svm

# クラス分類問題において、データの数がそこまで大きくない場合は
# SVC(Linear SVM)を使います。
model = svm.svc()

model.fit(X_train, y_train)
model.score(X_test, y_test)
predicted= model.predict(X_test)

from sklearn.neighbors import KNeighborsClassifier

# n_neighbors:Kの数はデフォルトでは5に設定されている。
KNeighborsClassifier(n_neighbors=6)

model.fit(X_train, y_train)
predicted= model.predict(X_test)

from sklearn.cluster import KMeans

# n_clusters:何個にクラス分けするか、random_stateは0に設定。
k_means = KMeans(n_clusters=3, random_state=0)

model.fit(X)
predicted= model.predict(x_test)

from sklearn.ensemble import RandomForestClassifier

# 決定木の深さを100に設定
model= RandomForestClassifier(max_depth=100)

model.fit(X, y)
predicted= model.predict(x_test)

# 深さ100の時の各特徴量の重要性。
print(model.feature_importances_)

from sklearn.ensemble import GradientBoostingClassifier

# n_estimators: 決定木の数
# learning_rate: 結果に対する各決定木の影響度合。小さい値が良いとされているが、
# 大きい数値で試した後小さい数値にして試すのがセオリー。
# max_depth: 決定木の深さ。
model= GradientBoostingClassifier(n_estimators=100, learning_rate=1.0, max_depth=1, random_state=0)
model.fit(X, y)
predicted= model.predict(x_test)

# Standardization(標準化)

from sklearn.preprocessing import StandardScaler
scaler = StandardScaler().fit(X_train)
standardized_X = scaler.transform(X_train)
standardized_X_test = scaler.transform(X_test)

# Normalization(正規化)

from sklearn.preprocessing import Normalizer
scaler = Normalizer().fit(X_train)
normalized_X = scaler.transform(X_train)
normalized_X_test = scaler.transform(X_test)

# Binarization（二値化）

from sklearn.preprocessing import Binarizer
binarizer = Binarizer(threshold=0.0).fit(X)
binary_X = binarizer.transform(X)

# Encoding Categorical Features（文字列要素を数値コードに変換）

from sklearn.preprocessing import LabelEncoder
enc = LabelEncoder()
y = enc.fit_transform(y)

# Imputing Missing Values（欠損値の穴埋め。）

from sklearn.preprocessing import Imputer
# strategyで平均か中央値か最頻値を選択。
imp = Imputer(missing_values=0, strategy=’mean’, axis=0)
imp.fit_transform(X_train)

# Generating Polynomial Features (多項式の特徴量を作る)

from sklearn.preprocessing import PolynomialFeatures
poly = PolynomialFeatures(5)
poly.fit_transform(X)

# Mean Absolute Error (平均絶対誤差)

from sklearn.metrics import mean_absolute_error
y_true = [5, -0.25, 3]mean_absolute_error(y_true, y_pred)

# Mean Squared Error (平均二乗誤差)

from sklearn.metrics import mean_squared_error
mean_squared_error(y_test, y_pred)

# R² Score (決定係数)

from sklearn.metrics import r2_score
r2_score(y_true, y_pred)

# Adjusted Rand Index (ランド指数)

from sklearn.metrics import adjusted_rand_score
adjusted_rand_score(y_true, y_pred)

# Homogeneity (均一性)

from sklearn.metrics import homogeneity_score
homogeneity_score(y_true, y_pred)

# V-measure

from sklearn.metrics import v_measure_score
metrics.v_measure_score(y_true, y_pred)

from sklearn.cross_validation import cross_val_score

print(cross_val_score(knn, X_train, y_train, cv=4))
print(cross_val_score(lr, X, y, cv=2))

from sklearn.grid_search import GridSearchCV

# 最適化したいパラメータを設定
params = {“n_neighbors”: np.arange(1,3), “metric”: [“euclidean”, “cityblock”]}
# パラメータを最適化
grid = GridSearchCV(estimator=knn, param_grid=params)
grid.fit(X_train, y_train)
print(grid.best_score_)
print(grid.best_estimator_.n_neighbors

from sklearn.grid_search import RandomizedSearchCV

# 最適化したいパラメータを設定
params = {“n_neighbors”: range(1,5), “weights”: [“uniform”, “distance”]}
rsearch = RandomizedSearchCV(estimator=knn, param_distributions=params, cv=4, n_iter=8, random_state=5)
rsearch.fit(X_train, y_train)
print(rsearch.best_score_)

# 列方向への結合
np.hstack((e,f))

# 列方向に指定した数で等分する。
np.hsplit(matrix_arr,3)

# 行方向に指定した数で等分する。
np.vsplit(matrix_arr,2)

# 行列数を表示
df.shape
# インデックスの情報
df.index
# 列の情報を表示
df.columns
# 欠損値やオブジェクトタイプを調べるさいに便利
df.info()
# ユニークなオブジェクトの個数をカウント
df.count()

# axisなどで行方向や列方向も指定できるものがある。
# すべての列を足す
df.sum()
# 一つ上の行から順番に足して表示
df.cumsum()
# 最小値、最大値を表示
df.min()/df.max()
# 最大値・最小値の要素のインデックス（ラベル）が取得できる。
df.idxmin()/df.idxmax()
# 平均値や偏差や最大値などの数値情報がまとめて表示される。
df.describe()
# 平均値を求める。
df.mean()
# 中央値を取得する
df.median()