PyTorchでアヤメの分類を通してディープラーニングを学習しよう!!アヤメのデータ準備まで

Python, PyTorch, 機械学習

PythonのPyTorchにを用いてディープラーニングを学びましょう。今回はアヤメの分類をするためにアヤメのデータを準備しました。PyTorchのデータフレームにアヤメのデータをセットするまでの内容です。

PyTorchでアヤメの分類をやってみよう

今回はアヤメの分類を行うためにデータセットとアヤメのデータ準備までを行います。

## 実行結果
.. _iris_dataset:
Iris plants dataset

--------------------

**Data Set Characteristics:**

    :Number of Instances: 150 (50 in each of three classes)
    :Number of Attributes: 4 numeric, predictive attributes and the class
    :Attribute Information:

        - sepal length in cm
        - sepal width in cm
        - petal length in cm
        - petal width in cm

        - class:
                - Iris-Setosa
                - Iris-Versicolour
                - Iris-Virginica

    :Summary Statistics:

    ============== ==== ==== ======= ===== ====================
                    Min  Max   Mean    SD   Class Correlation
    ============== ==== ==== ======= ===== ====================
    sepal length:   4.3  7.9   5.84   0.83    0.7826
    sepal width:    2.0  4.4   3.05   0.43   -0.4194
    petal length:   1.0  6.9   3.76   1.76    0.9490  (high!)
    petal width:    0.1  2.5   1.20   0.76    0.9565  (high!)
    ============== ==== ==== ======= ===== ====================

    :Missing Attribute Values: None
    :Class Distribution: 33.3% for each of 3 classes.
    :Creator: R.A. Fisher
    :Donor: Michael Marshall (MARSHALL%PLU@io.arc.nasa.gov)
    :Date: July, 1988

The famous Iris database, first used by Sir R.A. Fisher. The dataset is taken
from Fisher's paper. Note that it's the same as in R, but not as in the UCI
Machine Learning Repository, which has two wrong data points.
This is perhaps the best known database to be found in the
pattern recognition literature.  Fisher's paper is a classic in the field and
is referenced frequently to this day.  (See Duda & Hart, for example.)  The
data set contains 3 classes of 50 instances each, where each class refers to a
type of iris plant.  One class is linearly separable from the other 2; the
latter are NOT linearly separable from each other.

.. topic:: References
   - Fisher, R.A. "The use of multiple measurements in taxonomic problems"
     Annual Eugenics, 7, Part II, 179-188 (1936); also in "Contributions to
     Mathematical Statistics" (John Wiley, NY, 1950).
   - Duda, R.O., & Hart, P.E. (1973) Pattern Classification and Scene Analysis.
     (Q327.D83) John Wiley & Sons.  ISBN 0-471-22361-1.  See page 218.
   - Dasarathy, B.V. (1980) "Nosing Around the Neighborhood: A New System
     Structure and Classification Rule for Recognition in Partially Exposed
     Environments".  IEEE Transactions on Pattern Analysis and Machine
     Intelligence, Vol. PAMI-2, No. 1, 67-71.
   - Gates, G.W. (1972) "The Reduced Nearest Neighbor Rule".  IEEE Transactions
     on Information Theory, May 1972, 431-433.
   - See also: 1988 MLC Proceedings, 54-64.  Cheeseman et al"s AUTOCLASS II
     conceptual clustering system finds 3 classes in the data.
   - Many, many more ...

printを実行するとアヤメのデータが上記のようにして表示されます。

次にpandasというPythonのライブラリーを使用します。

## pandas
import pandas as pd
df = pd.DataFrame(iris.data, columns=iris.feature_names)
print(df.head())

データフレーム型に変換します。

第1引数にはアヤメの数値データを入れます。

第2引数の列名columnsにはアヤメの特徴量名のiris.feature_namesを渡します。

データセットの中身を確認するにはdf.head()とすることで上位5件のみを表示できます。

## アヤメのデータ
df['Variety'] = iris.target
df.loc[df['Variety'] == 0, 'Variety'] = 'setosa'
df.loc[df['Variety'] == 1, 'Variety'] = 'versicolor'
df.loc[df['Variety'] == 2, 'Variety'] = 'virginica'
## 出力
print(df.head())
## 実行結果
   sepal length (cm)  sepal width (cm)  ...  petal width (cm)  Variety
0                5.1               3.5  ...               0.2   setosa
1                4.9               3.0  ...               0.2   setosa
2                4.7               3.2  ...               0.2   setosa
3                4.6               3.1  ...               0.2   setosa
4                5.0               3.6  ...               0.2   setosa
## 出力
print(df.describe())
## 実行結果
       sepal length (cm)  ...  petal width (cm)
count         150.000000  ...        150.000000
mean            5.843333  ...          1.199333
std             0.828066  ...          0.762238
min             4.300000  ...          0.100000
25%             5.100000  ...          0.300000
50%             5.800000  ...          1.300000
75%             6.400000  ...          1.800000
max             7.900000  ...          2.500000

print(df.describe())で基本統計量を確認することができます。

## seabornのインストール
pip install seaborn

データを可視化して見やすくしましょう。

seabornというライブラリーはデータの特徴などを可視化してデータを見やすくしてくれます。

ペアプロットsns.pairplotを使用して図示しました。

## データの特徴などを可視化するためのライブラリ
## グラフ化
import seaborn as sns
import matplotlib.pyplot as plt
sns.pairplot(df, hue='Variety')
plt.show()

05.　データの前準備

## データの前準備
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
import torch
from torch.utils.data import TensorDataset, DataLoader
from torch import nn
import torch.nn.functional as F
from torch import optim

iris = load_iris()
data = iris.data
label = iris.target

06.　まとめ

お疲れ様でした。

ここまで読んでいただきありがとうございました。

今回はデータセットまでを行いました。

PyTorchプログラミング入門を利用しながら実際に今回もやってみました。

まずは基本を押さえます。

次回はアヤメの分類までを行います。

アヤメの分類まではインターネット上で公開されています。

PyTorchでアヤメの分類を通してディープラーニングを学習しよう!!アヤメの分類の実行

hiiro 2021年3月4日17:20

PyTorchのテンソルというデータフレームで計算をしよう!PyTorchでディープラーニング!

hiiro 2021年2月23日17:40

PyTorchの最適化関数の使い方を解説!サンプルプログラムを紹介

hiiro 2021年3月4日0:44

PyTorchでまずは基本的なニューラルネットワークを構成してみよう

hiiro 2021年3月19日1:58

PyTorchのテンソルの基本的な使い方を学習しよう!PyTorchでディープラーニング!

hiiro 2021年2月20日1:52

PyTorchの環境構築をしよう!PyTorchでディープラーニング!!

hiiro 2021年2月15日0:10