機械学習/Pythonで決定木を使うのバックアップ差分(No.1)

追加された行はこの色です。
削除された行はこの色です。

*はじめに [#qa786736]

*データ [#fa7b2541]
ここでは、irisデータをサンプルとして用います。

このデータセットは，アヤメの種類（class）を花びらの長さ（sepal length），幅（sepal width），がくの長さ（petal length），幅（petal width）によって分類する問題です． 長さと幅は連続値，種類はIris-setosa, Iris-versicolor, Iris-virginicaのいずれかをとる離散値です．

DeepAnalyticsのフォーマットに倣って、訓練データを train.tsv、テストデータを test_X.tsvとして、タブ区切りのCSVファイルで保存されているものとします。

今回のサンプルファイルはこれです。
-&ref(./train.tsv);
-&ref(./test_X.tsv);

**train.tsv [#gee0ea9e]
|id|sepal lentgh|sepal width|petal length|petal width|class|h
|2|4.9|3|1.4|0.2|Iris-setosa|
|52|6.4|3.2|4.5|1.5|Iris-versicolor|
|101|6.3|3.3|6|2.5|Iris-virginica|

**test_X.tsv [#sa17a203]
|id|sepal length|sepal width|petal length|petal width|h
|1|5.1|3.5|1.4|0.2|
|51|7|3.2|4.7|1.4|
|103|7.1|3|5.9|2.1|





*データの読み込み [#x9791a6c]
pandasのread_csvを使って、タブ区切りのCSVファイルを読み込みます。
タブ区切りなのでdelimiterオプションを、先頭の列がインデックスなのでindex_colオプションを指定します。
#geshi(python){{
import pandas as pd
df_iris_train = pd.read_csv('/Users/tohgoroh/Downloads/train.tsv',
                    delimiter='\t', index_col=0)
df_iris_test  = pd.read_csv('/Users/tohgoroh/Downloads/test_X.tsv',
                    delimiter='\t', index_col=0)
}}

読み込んだデータは、pandasのDataFrameとなります。
#geshi(python){{
df_iris_train
df_iris_test
}}


* [#r48ab5c2]

機械学習/Pythonで決定木を使う のバックアップ差分(No.1)

機械学習/Pythonで決定木を使うのバックアップ差分(No.1)