refirio.org

Memo

メモ > 技術 > プログラミング言語: Python > scikit-learn（機械学習）でワインの品質判定
■scikit-learn（機械学習）でワインの品質判定

Index of /ml/machine-learning-databases/wine-quality
https://archive.ics.uci.edu/ml/machine-learning-databases/wine-quality/

GitHub - kujirahand/book-mlearn-gyomu: Book sample (AI Machine-learning Deep-learning)
https://github.com/kujirahand/book-mlearn-gyomu

以下のプログラムで学習＆評価できるが、正解率は6〜7割程度と低い

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier 
from sklearn.metrics import accuracy_score
from sklearn.metrics import classification_report

# データを読み込む
wine = pd.read_csv("winequality-white.csv", sep=";", encoding="utf-8")

# データをラベルとデータに分離
y = wine["quality"]
x = wine.drop("quality", axis=1)

# 学習用とテスト用に分割する
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.2)

# 学習する
model = RandomForestClassifier()
model.fit(x_train, y_train)

# 評価する
y_pred = model.predict(x_test)
print(classification_report(y_test, y_pred))
print("正解率=", accuracy_score(y_test, y_pred))


以下のプログラムで確認すると、品質データの数には大きく偏りがあることが判る
（品質の大半は5〜7で、2以下と10は存在すらしていない）
なお結果のグラフは wine-count-plt.png に出力されるが、出力できるようにあらかじめパーミッションを調整しておく

import matplotlib.pyplot as plt
import pandas as pd

# ワインデータの読み込み
wine = pd.read_csv("winequality-white.csv", sep=";", encoding="utf-8")

# 品質データごとにグループ分けして、その数を数える
count_data = wine.groupby('quality')["quality"].count()
print(count_data)

# 数えたデータをグラフに描画
count_data.plot()
plt.savefig("wine-count-plt.png")
plt.show()


以下のように、品質を3段階に再分類する
これにより、正解率は9割以上になる
1, 2, 3, 4 → 0（悪い）
5, 6, 7    → 1（普通）
8, 9, 10   → 2（良い）

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier 
from sklearn.metrics import accuracy_score
from sklearn.metrics import classification_report

# データを読み込む
wine = pd.read_csv("winequality-white.csv", sep=";", encoding="utf-8")

# データをラベルとデータに分離
y = wine["quality"]
x = wine.drop("quality", axis=1)

# yのラベルを付け直す
newlist = []
for v in list(y):
    if v <= 4:
        newlist += [0]
    elif v <= 7:
        newlist += [1]
    else:
        newlist += [2]
y = newlist

# 学習用とテスト用に分割する
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.2)

# 学習する
model = RandomForestClassifier()
model.fit(x_train, y_train)

# 評価する
y_pred = model.predict(x_test)
print(classification_report(y_test, y_pred))
print("正解率=", accuracy_score(y_test, y_pred))
Memo

Advertisement
