機械学習/Pythonでデータ分析するはじめの一歩（Windows編）の変更点

追加された行はこの色です。
削除された行はこの色です。
機械学習/Pythonでデータ分析するはじめの一歩（Windows編）へ行く。
機械学習/Pythonでデータ分析するはじめの一歩（Windows編）の差分を削除

*はじめに [#g55e2e45]
WindowsでAnacondaを使ってデータ分析を行う環境を整えます。

この記事の内容は、以下のバージョンで確認しました。
-Windows 10
-Anaconda 5.3 Python 3.7 version


*インストール [#vd1d1ad7]

AnacondaのPython 3バージョンをダウンロードして、インストールします。
-[[Anaconda:https://www.anaconda.com]]

#ref(./Anaconda_download.png,nolink,50%)



*動作確認 [#rcdf53e5]

**Jupyter Notebook [#t9eab852]
Windowsメニューの「Anaconda3 (64it)」フォルダーからJupyter Notebookを選択し、起動します。
Windowsのスタートメニューの ''Anaconda3 (64it)'' フォルダーから ''Jupyter Notebook'' を選択し、起動します。

ブラウザが開いたら、''New'' から ''Python 3'' を選択します。
#ref(./new_python3.png,nolink,50%)

すると、新しいノートブックが作成されます。
#ref(./jupyter_notebook.png,nolink,50%)


**scikit-learn [#l46081c5]
標準で入っているirisデータをSVM (SVC)で学習してみます。

入力ボックスにPythonのプログラムを入力し、実行ボタンをクリックするか、Shiftキーを押しながらreturnキーを押して実行します。
#ref(./scikit_learn.png,nolink,50%)
#geshi(python){{
from sklearn import datasets
from sklearn.svm import SVC
clf = SVC()
iris = datasets.load_iris()
clf.fit(iris.data, iris.target)
}}


**pandas [#j4defd71]
pandasの動作を確認するため、irisデータをpandasに入れます。

まずは、irisのデータをそのまま表示してみます。
#geshi(python){{
iris.data
}}
#ref(./numpy.png,nolink,50%)

次に、iris.dataをpandasのデータフレームに入れて表示してみます。
#geshi(python){{
import pandas as pd
df_iris = pd.DataFrame(iris.data, 
                       columns=['sepal_length', 'sepal_width', 'petal_length', 'petal_width'])
df_iris = pd.DataFrame(iris.data, columns=['sepal_length', 'sepal_width', 'petal_length', 'petal_width'])
df_iris
}}
#ref(./pandas.png,nolink,50%)


**Matplotlib [#ke5826eb]
Matplotlibを使って、グラフを描いてみます。

まず、予測値をpandasのデータフレームに追加します。
#geshi(python){{
iris.df['predict'] = clf.predict(iris.data)
iris.df
}}

次に、予測した値によって、3つのグループに分けます。
#geshi(python){{
x0 = df_iris[df_iris.predict==0]['sepal_length']
y0 = df_iris[df_iris.predict==0]['sepal_width']
x1 = df_iris[df_iris.predict==1]['sepal_length']
y1 = df_iris[df_iris.predict==1]['sepal_width']
x2 = df_iris[df_iris.predict==2]['sepal_length']
y2 = df_iris[df_iris.predict==2]['sepal_width']
}}

これをMatplotlibで表示します。
#geshi(python){{
%matplotlib notebook
import matplotlib.pyplot as plt
fig = plt.figure()
subplt = fig.add_subplot(1, 1, 1)
subplt.scatter(x0, y0, c='red')
subplt.scatter(x1, y1, c='green')
subplt.scatter(x2, y2, c='blue')
}}
#ref(./matplotlib.png,nolink,50%)