モデリング 機械学習

#pandasのインポート
import pandas as pd

#データの読み込み
titanic = pd.read_csv('titanic.csv')
breast = pd.read_csv("breast_cancer.csv")

display(titanic.head())

データフレーム.head()とすると最初の五行を見ることができる
display(データフレーム)とすると表をきれいに出力することができる

簡単に数行を表すとこのようなデータです．
このデータで予測したいもの，つまり目的変数はSurvived列です．
そしてそれ以外の列が説明変数になります．

#データを説明変数Xと目的変数に分ける．
X_titanic = titanic.drop("Survived",axis=1)
　　　　　　データフレーム名.drop("消したい変数", axis=1 列を消すとき）
y_titanic = titanic["Survived"]

#実際にそうなっているか確認する
display(X_titanic.head())
print(y_titanic.head())

	Pclass	Sex	Age	SibSp	Fare	Embarked_C	Embarked_S
0	3	1	22.0	1	7.2500	0	1
1	1	0	38.0	1	71.2833	1	0
2	3	0	26.0	0	7.9250	0	1
3	1	0	35.0	1	53.1000	0	1
4	3	1	35.0	0	8.0500	0	1

0    0
1    1
2    1
3    1
4    0
Name: Survived, dtype: int64

dropで列を指定して落とす場合には必ずaxis=1が要ります
表形式のデータはdisplayという関数で出力しないと，見づらくなります

モデリング

#ライブラリの宣言をします
from sklearn.ensemble import RandomForestClassifier

sklearnのensembleというモジュール群から，RandomForestClassifierというものを取り出してきました．これで，以降はいきなりRandomForestClassifierという関数を使えるようになりました．

【注意】
Classifier(分類)とRegressor(回帰)があるので，注意してください．今回は分類なので，Classifierを使います．

# モデルを定義して，学習させます．
model = RandomForestClassifier(n_estimators=3,random_state=0)
model.fit(X_titanic,y_titanic)

RandomForestClassifier(n_estimators=3, random_state=0)

modelという変数に，アルゴリズム名であるRandomForestClassifierをいれました．
RandomForestClassifierにはオプションで設定ができるためn_estimators=3,random_state=0としました．
model.fit(X,y)とやると学習できます．
その関数に，今回扱うX_titanicとy_titanicを入れました．

【注意】

model.fit関数は(説明変数，目的変数)の順でないといけないので注意してください．

これで学習は終了です．簡単ですね
ではどんな予測をしたのでしょうか．

#予測を出します
print(model.predict(X_titanic))

model.predict(予測させる説明変数)とやると予測値を出すことができます．
これは説明変数だけでいいです．

予測値の羅列を見ても困りますね．簡単にどのくらいの精度なのか見てみましょう．

#モデルの精度を出します
print(model.score(X_titanic,y_titanic))

model.score(説明変数,目的変数)とやると，精度（正解率）を出すことができます．

0.93程度出ていたら完成です！