knaka Tech-Blog

AI, IoT, DIYエレクトロニクス, データサイエンスについて投稿予定です。

machineLerning

機械学習で、ロジスティック回帰 予測問題

index: 概要 環境 参考の資料 学習データ コード 実行 概要 前回の重回帰分析と異なり、 目的変数が、連続した値ではなく 予測したい変数が連続数値ではなく、2種類の選択(購入する /しない)の場合 を考えます。 環境 python 3.5 scikit-learn numpy matpl…

機械学習で、重回帰分析(2) 家賃を予測する

index: 概要 環境 学習データ コード 評価 関連 概要 前回の重回帰分析の続編とり、 家賃の予測機能を検証したいと、思います。 不動産の物件情報を学習し、特定の物件の家賃を予測 scikit-learn を使用 ・前回と、機械学習の流れは同じで、学習データは、 …

機械学習で、重回帰分析 予測問題

概要 環境 参考の資料 学習データ コード 実行、評価 概要 重回帰分析で、複数の変数(説明変数)を含むデータ学習し、予測を出力する例をテストしてみました。 scikit-learn を使用 環境 python 3.5 scikit-learn numpy 参考の資料 東大さまの、データサイ…

pandas sort_values()

ソート 指定列で、ソートする。 a2 = {'ID':['11','12','13' ] ,'birth':[1980,1973,1970 ] ,'type1':['a','b','c' ]} frame2 = DataFrame( a2) #frame2 a3 = frame2.sort_values(by='birth' ) print(a3 ) 結果: ID birth type1 2 13 1970 c 1 12 1973 b 0 …

pandas merge()

merge() dataFrame マージ 結合用のデータを準備しておきます。 # a1 = {'ID':['11','12','13' ] ,'city':['Tokyo','Osaka','Kyoto' ] ,'num1':[ 101 ,102,103 ] } frame1 = DataFrame(a1 ) print(frame1 ) a2 = {'ID':['11','12','13' ] ,'birth':[1980,198…

pandas DataFrame

作成 a1 = {'ID':['11','12','13' ] ,'city':['Tokyo','Osaka','Kyoto' ] ,'num1':[ 101 ,102,103 ] } frame1 = DataFrame(a1 ) print(frame1 ) 結果: ID city num1 0 11 Tokyo 101 1 12 Osaka 102 2 13 Kyoto 103 T 置き換え、行列の転置が可能です。 a2= …