機械学習の回帰がスタート！！ 「ボストン市の住宅価格データのデータセット」を見る！
こんにちは
ぷもんです。
前回、機械学習の回帰と分類の違いがやっとわかった！というnoteで
回帰のイメージをつかむ事ができました。
今回から具体的にどうやればいいのかをやっていきます。
分類の時は
①アヤメのデータセットを見る
②データを学習用、評価用に分ける
③ニューラルネットワークを組む
④学習し、評価する
の４つにやることを分けてやったので
回帰は分類とは違うところもあると思いますが
これを参考に
今回は「①データセットを見る」からやってみます。
回帰はボストン市の住宅価格データのデータセットを使うので
データセットの種類は変わります。
その前にANACONDA NAVIGATORを使えるようにします。
ANACONDA NAVIGATORを開いて
▶︎をクリックしOpen with Jupyter Notebookをクリックします。
Jupyter Notebookの画面が出てくるので
New→Python ３をクリックします。
準備ができました！
詳しくは
Anacondaをダウンロードして jupyter notebookを使えるようにして scikit-learnが使えるようにするまで！
で書いたのでわからない方はそちらも読んで見てください。
ここからはボストン市の住宅価格データのデータセットを見ていきます。
回帰のやり方は次のサイトがわかりやすかったので
これを参考に進めていこうと思っています。
まずはサイキットラーン のデータセットから
ボストン市の住宅価格データのデータセットをインポートします。
from sklearn.datasets import load_boston
boston = load_boston()
print(boston)
１行目でインポートして
２行目で変数にデータを入れて
３行目で出力です。
変数は代入する器
出力はパソコンの画面に見えるようにすること
と考えるといいと思います。
実際にやって見るとこんな感じでずらっと表示されます。
続いてボストンのデータセットの情報を表示します。
print(boston.DESCR)やって見たのがこちら
英語ははわからないのでスルーします。
ボストンのデータの値を出力します。
print(boston.data)ボストンのカラムを出力します。
print(boston.feature_names)やって見るとこんな感じです。
アヤメのデータセットで分類をやったときは
データのがく片の長さ、がく片の幅、花弁の長さ、花弁の幅の
データの値がを使いました。
カラムとはがく片の長さ、がく片の幅、花弁の長さ、花弁の幅などの
何を表しているかを示すものです。
ボストンのデータでは
CRIM→人口1人あたりの犯罪発生率
ZN→25,000平方フィート以上の住居区画の占める割合
INDUS→小売業以外の商業が占める面積の割合
CHAS→チャールズ川によるダミー変数（1:川の周辺、0:それ以外）
NOX→NOXの濃度
RM→住居の平均部屋数
AGE→1940年より前に建てられた物件の割合
DIS→5つのボストン市の雇用施設からの距離（重み付け済）
RAD→環状高速道路へのアクセスしやすさ
TAX→$10,000ドルあたりの不動産税率の総計
PTRATIO→町毎の児童と教師の比率
B→町毎の黒人（Bk）の比率
LSTAT→給与の低い職業に従事する人口の割合（%）
などのカラムのデータを使います。
（めっちゃ多い...！！）
続いてこれらのデータをデータフレームにします。
表にするイメージです。
from pandas import Series,DataFrameデータフレイムを使うのでpandasをインポートします。
僕はアヤメの分類の時に使ったのでインストールされてますが
まだされていない場合はこちらからインストールして見てください。
pip install pandas
でインストールしてからインポートしてください。
（インストールされてないとエラー出るかも？）
プログラム初心者の僕がやっていて
個人的にはプログラムが動かない理由の第１位が
インポートもしくはインストールできていなくて
動いてくれないことだったりするので
誰かのサイトを見てプログラムを勉強するときなどは
インポート、インストールの部分をよく見ています。
動かない時もインポートインストールを忘れていないか探します。
ちなみに、今回pandasがインポートされていないとこんな感じになります。
本当のはじめたての時は動かなくなったら
お手上げだったのですが
このエラー文はインポートされていないか
チェックしてみようとやっと最近思えるようになってきました。
まだまだですが少しずつ成長してる感があります。
エラーで動かなくなると
初心者はストレスかかるしやる気なくなるので
慣れていって早く解決して無くしていけるようにしたいですよね。
pandasをインポートできたので
ここからはデータフレイムを作ります。
boston_df = DataFrame(boston.data)
boston_df.columns = boston.feature_names
boston_df.to_csv("ボストンデータ（仮）.csv")
boston_df.head()
やって見たのがこちら！
１行目でカラム以外のデータの集まりを作り
２行目でデータにカラムをつけ
３行目でcsvにして
４行目で出力
です。
csvはデータの形式で
この形式にするとエクセルやメモ帳で表を見ることができます。
以前やったアヤメの分類では
がく片の長さ、がく片の幅、花弁の長さ、花弁の幅のデータの値を使って
setosa、versicolor、virginicaのアヤメの品種を特定しました。
ボストンのデータでは
ここまででデータフレーム化した値を使って
不動産の値段を出します。
なのでここからは不動産の値段をデータフレームに付け足します。
boston_df['PRICE'] = DataFrame(boston.target)
boston_df.head()
１行目でデータに住宅の価格をつけたして
２行目で出力です。
最終的にこんな感じになりました。
これが今回使うボストンのデータです。
今回もちょこちょこ話しに出したアヤメの分類について書いたnoteを
マガジンにまとめました。
これからもアヤメの分類と比べながら書くこともあると思うので
時間ある方、興味なる方は全て無料なので見てみてください。
最後までに読んでいただきありがとうございました。
ぷもんでした。
いいなと思ったら応援しよう！
