タイタニック号ですらややこしいので、めっちゃシンプルな機械学習モデルをpythonで書いてみた。入力=点数、出力=合否で、点数から合格点を推測する！

60点以上なら合格の学習データから、機械学習モデルを作ってみる。
特徴量エンジニアリング(与えられたデータから、機械学習用に変換する事)は無し。入力は点数のみ！

やっている事
1, ランダムな点数(score)と60点以上なら合格(result)の配列を1000件作る
2, pandasでデータフレーム化
3, 80%のデータを学習データに、残り20%を検証データにする
4, モデルのfitメソッドを実行するだけで、機械学習できる(ブラックボックス！)
5, 機械学習モデルを使って、テストデータの点数から、合否(合格点)を予測する
6, 結果発表、完全一致なら1.0
7, 合格点ギリギリを攻めてみる。58,59,60,61点
データが100件だと割と間違えるけど、1000件ならほぼ正解する。機械学習すごい！

import numpy as np
import pandas as pd
import random
from sklearn.linear_model import LogisticRegression # 機械学習モデル(ロジスティック回帰)
from sklearn.model_selection import train_test_split # 学習データとテストデータに分離
from sklearn.metrics import accuracy_score # 機械学習の精度を測定

# 特徴量エンジニアリングは無し。入力は点数のみ！

#乱数で、点数と合否の配列を生成
l = list()
for num in range(1000):
    score = random.randint(0, 100) # 点数
    result = 1 if score >= 60 else 0 # 60点以上で合格(1)
    l.append([score, result])

# pandasでデータフレーム化
df = pd.DataFrame(
    columns=["score", "result"],
    data=l    
)
df.head()

# 80%のデータを学習データに、残り20%を検証データにする
X_train, X_test, Y_train, Y_test = train_test_split(df['score'],df['result'], train_size = 0.8) 

# パラメータ(説明変数)は複数が基本なので、2次元配列にする
# [1,2,3] => [[1],[2],[3]]
X_train = np.array(X_train).reshape(-1,1) 
X_test = np.array(X_test).reshape(-1,1)

# fitメソッドを実行するだけで、機械学習できる(ブラックボックス！)
model = LogisticRegression()
model.fit(X_train, Y_train)

# 機械学習モデルを使って、テストデータの点数から、合否(合格点)を予測する
Y_pred = model.predict(X_test)

# 結果発表、完全一致なら1.0
accuracy_score(Y_test, Y_pred)

# 合格点ギリギリを攻めてみる
print(model.predict([[58],[59],[60],[61]]))
# [0 0 1 1] なら機械学習が上手く行っている。
# データが100件だと割と間違えるけど、1000件ならほぼ正解する。機械学習すごい！

# 回帰式(y=ax+b)のaとbを求めてみる
print("coefficient = ", model.coef_) # 重み(偏回帰係数)
print("intercept = ", model.intercept_) # 切片

# y=ax+bをグラフ化して、本当に60点で分類されているか確認する
import matplotlib.pyplot as plt
%matplotlib inline
x = np.arange(0,100)
y = model.coef_[0]*x + model.intercept_
plt.plot(x,y)
plt.grid()

import numpy as np

import pandas as pd

import random

from sklearn.linear_model import LogisticRegression # 機械学習モデル(ロジスティック回帰)

from sklearn.model_selection import train_test_split # 学習データとテストデータに分離

from sklearn.metrics import accuracy_score # 機械学習の精度を測定

# 特徴量エンジニアリングは無し。入力は点数のみ！

#乱数で、点数と合否の配列を生成

l = list()

for num in range(1000):

score = random.randint(0, 100) # 点数

result = 1 if score >= 60 else 0 # 60点以上で合格(1)

l.append([score, result])

# pandasでデータフレーム化

df = pd.DataFrame(

columns=["score", "result"],

data=l

)

df.head()

# 80%のデータを学習データに、残り20%を検証データにする

X_train, X_test, Y_train, Y_test = train_test_split(df['score'],df['result'], train_size = 0.8)

# パラメータ(説明変数)は複数が基本なので、2次元配列にする

# [1,2,3] => [[1],[2],[3]]

X_train = np.array(X_train).reshape(-1,1)

X_test = np.array(X_test).reshape(-1,1)

# fitメソッドを実行するだけで、機械学習できる(ブラックボックス！)

model = LogisticRegression()

model.fit(X_train, Y_train)

# 機械学習モデルを使って、テストデータの点数から、合否(合格点)を予測する

Y_pred = model.predict(X_test)

# 結果発表、完全一致なら1.0

accuracy_score(Y_test, Y_pred)

# 合格点ギリギリを攻めてみる

print(model.predict([[58],[59],[60],[61]]))

# [0 0 1 1] なら機械学習が上手く行っている。

# データが100件だと割と間違えるけど、1000件ならほぼ正解する。機械学習すごい！

# 回帰式(y=ax+b)のaとbを求めてみる

print("coefficient = ", model.coef_) # 重み(偏回帰係数)

print("intercept = ", model.intercept_) # 切片

# y=ax+bをグラフ化して、本当に60点で分類されているか確認する

import matplotlib.pyplot as plt

%matplotlib inline

x = np.arange(0,100)

y = model.coef_[0]*x + model.intercept_

plt.plot(x,y)

plt.grid()

y=ax+bで計算してみたら、たしかに60点で分類されている(プラスになっている)
4.19935238=61*2.59861727-154.31630109
1.60073511=60*2.59861727-154.31630109
-0.99788216=59*2.59861727-154.31630109
-3.59649943=58*2.59861727-154.31630109

関連記事