機械学習のためのデータ準備 CSVデータの読み込みとデータの確認と欠損値の確認 機械学習をする場合にまずデータを準備しますが、csv形式でデータが準備される場合も多いと思います。 データの確認や加工が簡単になるpandas形式で読み込むのがスタンダードになります。 必要なライブラリをまず読み込んでおきます。 import numpy as np import scipy as >>続きを読む
Pandasデータからヒストグラムが描けない場合にはnumpyのflatten() を使おう Pandasデータからある項目をスライスしてその値でヒストグラムを作成するときにうまく行かなくて困ったことがありませんでしょうか。 具体的には次のようなデータがあったとします。 このデータからグレードの列を抜き出してヒストグラムを描くとします。 うまく行く場合 次のようにデータをスライスするとser >>続きを読む
PandasのDataFrame作成と結合方法 Pandasは機械学習やディープラーニングを行う上で、データの前処理など頻繁に使用します。 まずは徹底して使いなれるようにしましょう。エクセルを扱うよりもPandas を扱う方が楽だと思えるようになるまでいじり倒しましょう。 DataFrameの作成 まずは、簡単なDataFrame作成を覚えます >>続きを読む
混同行列と性能評価指標 学習済みモデルが、どの程度良いか判定するする指標を性能評価指標といいます。 そこで登場するのが混同行列です。 混同行列について 余談ですが、普通に「こんどうぎょうれつ」と入力すると「近藤行列」と変換されてしまい、「混同行列」= 「近藤行列」とイメージが刷り込まれているのですが、近藤さんの行列はかなり >>続きを読む
numpy.ndarray型とPandas DataFrame型との相互変換する方法 Scikit-learnで機械学習する場合に、numpy.ndarray型とPandasのDataFrame型をそれぞれ変換したくなるケースがあります。 Scikit-learnが用意しているdatasetを活用するとデータ形式がnumpy.ndarray型になっています。 numpy.ndarra >>続きを読む
Pandasのインポートについて PandasのインポートはPythonのimport文を使うだけです。 import pandas as pd 機械学習を勉強していると時々次のようなインポートが行われています。from import 文を使うと、読み込んだモジュール内の関数にモジュール名をつける必要がなくなります。 import >>続きを読む
Pythonの例外処理について 例外処理とは、エラーが起こりそうな特定のコードが実行された時に、エラーになった場合に例外ハンドラーを準備しとおいて、そのエラーをキャッチする仕組みです。 具体的にはtryブロックに問題が起こりそうなコードを記述しておき、エラーが起こると例外が生成されてexcept ブロックのコードが実行されて何が起 >>続きを読む
SNS対策でOGP設定をする WebサイトでSNS対策をする場合はOGPの設定をしておきましょう。 OGPとは、Open Graph Protocol(オープン・グラフ・プロトコル)のことです。 Facebookやtwitter、などのSNSでシェアされた時に「ページタイトル、URL、内容、画像（サムネイル）」を意図した通りに表 >>続きを読む
Python 〜複数の戻り値（返り値）にタプルやオブジェクトを使う Pythonで関数からの戻り値（返り値）が複数ある場合、最も簡単な方法はタプルで返す方法です。 カンマ区切りで記述をするとPythonではタプルと認識されます。 もちろん、[]をつけてリストを返すこともできます。 つまり、複数の戻り値を作りたい場合は何らかのリスト型の仲間にすれば良いということです。 >>続きを読む
Python〜 join()の使い方 リストで用意されたリストの中の値を文字列として書き出す場合に便利な関数です。 names = ['tahara','yamada','suzuki','yoshida'] としたリストがある場合次のようにします。 res >>続きを読む
