[[FrontPage]]

#contents

2013/12/23からのアクセス回数 &counter;

ここで紹介したSageワークシートは、以下のURLからダウンロードできます。

http://www15191ue.sakura.ne.jp:8000/home/pub/33/

また、Sageのサーバを公開しているサイト（http://www.sagenb.org/, http://www15191ue.sakura.ne.jp:8000/）にユーザIDを作成することで、ダウンロードしたワークシートを
アップロードし、実行したり、変更していろいろ動きを試すことができます。

* scikit-learn in Sage [#t36e816b]

脇山さんの[[投稿>http://www.slideshare.net/moa108/20130715-lt-scikitlearn?fb_action_ids=412677692184639&fb_action_types=slideshare%3Aupload&fb_source=og_timeline_photo_robotext]]
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 [#d8fefacd]

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。

#pre{{
＄ 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。

#pre{{
(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 [#y98697fb]

ブログ「唯物是真」
[[pythonの機械学習ライブラリscikit-learnの紹介>http://sucrose.hatenablog.com/entry/2013/05/25/133021]]
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。


sageへの入力:
#pre{{
from sklearn.datasets import load_digits
digits = load_digits()
print digits.data.shape
}}
#pre{{
(1797, 64)
}}


*** pylabのshowが使えない [#r4b37dc7]

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。


sageへの入力:
#pre{{
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。


sageへの入力:
#pre{{
# 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')
}}

&ref(sample1.png);

*** Sageのグラフ機能を使って表示してみる [#q2220b62]

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への入力:
#pre{{
# sageのグラフ関数も使える
matrix_plot(digits.images[0], figsize=7)
}}

&ref(sage0.png);

** 脇山さんの例題を動かしてみる [#e1e7aa93]

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>http://www.kaggle.com/c/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。

&ref(sage-menu-bar.png);


*** Sageでのデータの使い方 [#p398ea3a]

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 [#v707ad65]

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。


sageへの入力:
#pre{{
# 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)
}}
#pre{{
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)
}}


sageへの入力:
#pre{{
# 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
}}
#pre{{
[ 1.  0.  1. ...,  1.  0.  1.]
}}


*** scikit-learnは良く設計されている [#cab5541d]

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。

sageへの入力:
#pre{{
# 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
}}
#pre{{
[ 1.  0.  1. ...,  1.  0.  1.]
}}


sageへの入力:
#pre{{
# 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
}}
#pre{{
[ 1.  0.  0. ...,  1.  0.  1.]
}}

** コメント [#m49706c2]
#vote(おもしろかった[2],そうでもない[0],わかりずらい[0])

皆様のご意見、ご希望をお待ちしております。
- Sage へのモジュールのインストール方法が参考になりました。ありがとうございます。http://mmays.hatenablog.com/entry/2014/03/30/135552 -- [[ysato]] &new{2014-04-02 (水) 15:30:28};

#comment_kcaptcha
トップ   新規 一覧 単語検索 最終更新   ヘルプ   最終更新のRSS
SmartDoc