scikit-learn-in-sage

3154 days ago by takepwave

Hiroshi TAKEMOTO (take@pwv.co.jp)

scikit-learn in Sage

脇山さんの投稿 でscikit-learnの存在を知りました。Sageと同じPythonベースと言うこともあり、使ってみたいと思っており、正月休みの最後に試して見ることにしました。

Sageへのscikit-learnのインストール

Sageにscikit-learnモジュールをインストールするもっとも簡単な方法は、Sageのシェルモードからeasy_installを使ってインストールする方法です

以下の様にsageをシェルモードで起動してからeasy_install -U scikit-learnを実行します。最後にexitでシェルモードを抜けることをお忘れなく。

$ sage -sh		
Starting subshell with Sage environment variables set.  Don't forget
to exit when you are done.  Beware:
 * Do not do anything with other copies of Sage on your system.
 * Do not use this for installing Sage packages using "sage -i" or for
   running "make" at Sage's root directory.  These should be done
   outside the Sage shell.

Bypassing shell configuration files...

Note: SAGE_ROOT=/Users/take/local/sage
(sage-sh) $ easy_install -U scikit-learn	
...
無事インストールできたら
(sage-sh) $ exit

いくつかのマシンでインストールしたのですが、easy_installが上手くできなかったものもありました。 その場合には、ソースからインストールします。

(sage-sh) $ wget https://github.com/scikit-learn/scikit-learn/archive/master.zip
(sage-sh) $ unzip master; rm master
(sage-sh) $ cd scikit-learn-master
(sage-sh) $ python setup.py install
無事インストールできたら
(sage-sh) $ exit

サンプルデータを使った例題

ブログ「唯物是真」pythonの機械学習ライブラリscikit-learnの紹介 に出ているトイデータの例をSageで実行してみます。

load_digits関数で無事digitsを取り出すことができ、scikit-learnがsageにインストールできていることを確認しました。

from sklearn.datasets import load_digits digits = load_digits() print digits.data.shape 
       
(1797, 64)
(1797, 64)

pylabのshowが使えない

次にpylabを使ってdigitsに含まれている画像を表示しようとするまったく表示されません。

import pylab as pl pl.gray() pl.matshow(digits.images[0]) pl.show() # 何も表示されない 
       

Sageではpylabのshowの代わりにsavefigを使うことでSageがその結果を表示してくれるインタフェースになっているみたいです。

# showの代わりにsavefigを使うとsageが自動的に表示してくれる pl.savefig('sample1.png') 
       

Sageのグラフ機能を使って表示してみる

同じ結果は、Sageのmatrix_plotを使っても表示できます。 Sageのグラフ機能は柔軟性に富み、慣れると使いやすいです。(凝った表示の場合には、Rのggplot2が良いですが、...)

# sageのグラフ関数も使える # matrix_plotの障害?、aspect_ratio='automatic'が必要(2015/08/09) # matrix_plot(digits.images[0], aspect_ratio='automatic').show(aspect_ratio=1, figsize=7) 
       

脇山さんの例題を動かしてみる

脇山さんの投稿にある例題をSageで試してみます。

Data Science London + Scikit-learn からデータをダウンロードし、Sageのワークシートの「Data」メニューからUpload or createを選択し、データをSageのワークシートにアップロードします。

Sageでのデータの使い方

Upload or createを使ってアップロードしたファイルは、ワークシートのDataディレクトリに保存され、そのままではSageでは使えません。 そこで、変数DATAを使ってワークシートのディレクトリを付けてデータにアクセスします。

Sageで動かしてみる

脇山さんの投稿にそってSVMを使ってtest.csvのデータを識別してみます。

# パッケージのインポート import numpy as np from sklearn import svm # train.csv, trainLabels.csvファイルの読み込み trainFeature = np.genfromtxt(open(DATA+'train.csv', 'r'), delimiter=',') trainLabel = np.genfromtxt(open(DATA+'trainLabels.csv', 'r'), delimiter=',') # svm.SVCを使って識別モデル(clf)を作成する clf = svm.SVC(kernel='rbf', C=1) clf.fit(trainFeature, trainLabel) 
       
SVC(C=1, cache_size=200, class_weight=None, coef0=0.0, degree=3,
gamma=0.0,
  kernel='rbf', max_iter=-1, probability=False, random_state=None,
  shrinking=True, tol=0.001, verbose=False)
SVC(C=1, cache_size=200, class_weight=None, coef0=0.0, degree=3, gamma=0.0,
  kernel='rbf', max_iter=-1, probability=False, random_state=None,
  shrinking=True, tol=0.001, verbose=False)
# 作成した識別モデルclfを使ってtest.csvのデータに適応してみる testFeature = np.genfromtxt(open(DATA+'test.csv', 'r'), delimiter=',') result = clf.predict(testFeature) print result 
       
[ 1.  0.  1. ...,  1.  0.  1.]
[ 1.  0.  1. ...,  1.  0.  1.]

scikit-learnは良く設計されている

脇山さんのスライドにあるようにscikit-learnは良く設計されており、使用する手法を変更するだけで ほとんど同じように処理できるようになっています。

SVMで識別したのと同じ処理を「k近傍法」、「RandomForest」で計算した結果です。

# 同じデータを使ってk近傍法で計算 from sklearn import neighbors # neighbors.KNeighborsClassifierを使って識別モデル(clf)を作成する clf = neighbors.KNeighborsClassifier() clf.fit(trainFeature, trainLabel) # 作成した識別モデルclfを使ってtest.csvのデータに適応してみる testFeature = np.genfromtxt(open(DATA+'test.csv', 'r'), delimiter=',') result = clf.predict(testFeature) print result 
       
[ 1.  0.  1. ...,  1.  0.  1.]
[ 1.  0.  1. ...,  1.  0.  1.]
# 同じデータを使ってRandomForestで計算 from sklearn.ensemble import RandomForestClassifier # neighbors.KNeighborsClassifierを使って識別モデル(clf)を作成する clf = RandomForestClassifier() clf.fit(trainFeature, trainLabel) # 作成した識別モデルclfを使ってtest.csvのデータに適応してみる testFeature = np.genfromtxt(open(DATA+'test.csv', 'r'), delimiter=',') result = clf.predict(testFeature) print result 
       
[ 1.  0.  0. ...,  1.  0.  1.]
[ 1.  0.  0. ...,  1.  0.  1.]