分類と回帰のデータセットの表示の違い比べてみた
こんにちは!
ぷもんです。
前回、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!というnoteでボストン市の住宅価格のデータセットを見ました。
データセットのデータを確認するのは
pandasのデータフレームでアヤメのデータを表示する
データセットのアヤメの品種を知る
のnoteのアヤメの分類でもやりましたした。
参考にしたサイトも違うのでやり方も違うんですよね。
同じやり方でできないのか気になったので試してみます。
アヤメのデータセットを見るためにやったことはこんな感じです。
#pandasをインストール
pip install pandas
#アヤメのデータセットを変数にする
from sklearn.datasets import load_iris
iris = load_iris()
#pandasをインポートして、データフレームを作る
import pandas as pd
pd.DataFrame(iris.data, columns=iris.feature_names)
#品種の種類を表示
print(iris.target_names)
#品種を表示
iris_label = pd.Series(data=iris.target)
print(iris_label.head())
iris_label = pd.Series(data=iris.target)
print(iris_label)
ボストンのデータセットでやったことはこんな感じです。
#ボストンのデータセットを変数にする
from sklearn.datasets import load_boston
boston = load_boston()
#ボストンのデータを出力
print(boston)
#ボストンのデータの説明を出力
print(boston.DESCR)
#ボストンのデータを出力
print(boston.data)
#ボストンのデータのカラムを出力
print(boston.feature_names)
#pandasからインポート
from pandas import Series,DataFrame
#データフレームにする
boston_df = DataFrame(boston.data)
boston_df.columns = boston.feature_names
boston_df.to_csv("ボストンデータ(仮).csv")
#出力
boston_df.head()
boston_df['PRICE'] = DataFrame(boston.target)
boston_df.head()
出力する回数は違うけど大体同じようなことをやっている感じがします。
その中でも決定的に違うのがデータフレームの作り方です。
主に後半の部分ですね!
アヤメのデータセットの時はデータとカラムをセットにしたデータフレームと
ラベルに当たる品種を分けて表示しました。
pd.DataFrame(iris.data, columns=iris.feature_names)
print(iris.target_names)
iris_label = pd.Series(data=iris.target)
print(iris_label.head())
iris_label = pd.Series(data=iris.target)
print(iris_label)
ボストンのデータセットではデータとカラムをセットにしたデータフレームに
ラベルとなる値段を付け足して一緒に出力しています。
from pandas import Series,DataFrame
pip install pandas
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()
boston_df['PRICE'] = DataFrame(boston.target)
boston_df.head()
データセットの作り方についてもう少し詳しく勉強すると
もっと使いこなせるなと思いました。
この違いが後の機械学習でどのような違いを生むのかも含めて
さらに勉強していきます。
最後まで読んでいただきありがとうございました。
ぷもんでした!
noteを日々投稿してます! もしいいなと思ってもらえたら サポートしてもらえるとありがたいです。 VRやパソコンの設備投資に使わせていただきます。 ご意見、質問等ありましたらコメントください。 #ぷもん でつぶやいてもらえると励みになります。 一緒に頑張りましょう!