| No. | Activity | 備考 |
| 1 |
まとめWikiで元になるデータを取得する。 |
これぐらいの分量の表の前処理ならExcelのほうが楽。 |
|
2 |
「１」のExcelで今回使わないデータを削除する。 ・列名が繰り返し挿入されているので、その行を削除。 ・改、時報、備考を削除。 ・ステータスが空白の行を削除。No.198など。 |
改はカンマで区切ってあるので、 どうしてもこの列をCSVに変換するときは注意。 |
| 3 | 「２」のExcelデータの表をCSVに変換。 | kankore.csv |
| 4 | Python 3、日本語フォントの入ったLinuxで、 以下のimportが行える環境を作成。 import pandas as pd from sklearn.model_selection import train_test_split from sklearn import preprocessing import sklearn.model_selection import sklearn.ensemble from sklearn import tree import pydotplus as pdp |
graphvizはyumでインストール。（CentOSの場合） |
| 5 |
「3」で作ったCSVを「４」の環境にコピー。 |
以後、homeディレクトリにCSVを置いているとします。 |
| 6 |
import pandas as pd
from sklearn.model_selection import train_test_split
df = pd.read_csv('~/kankore.csv')
target =
df['艦種']
features = df.drop(['No.','艦型',
'艦番','艦種','艦名'],axis=1)
from sklearn import preprocessing
le = preprocessing.LabelEncoder()
for col in ['速力', '射程']:
features[col] = le.fit_transform(features[col])
target = le.fit_transform(target)
import sklearn.model_selection
train_x, test_x,
train_y, test_y = sklearn.model_selection.train_test_split(features, target,
test_size=0.3)
import sklearn.ensemble
rf = sklearn.ensemble.RandomForestClassifier()
rf.fit(train_x, train_y)
prediction = rf.predict(test_x)
print(prediction)
accuracy = rf.score(test_x,
test_y)
print('accuracy {0:.2%}'.format(accuracy))
estimators
= rf.estimators_
file_name
= "./tree_visualization.png"
from sklearn import tree
dot_data = tree.export_graphviz(estimators[0],
out_file=None,
filled=True,
rounded=True,
feature_names=features.columns,
class_names=df['艦種'],
special_characters=True
)
import pydotplus as pdp
graph = pdp.graph_from_dot_data(dot_data)
graph.write_png(file_name)
|
最初のうちは、インタプリタ（一行ずつ実行）をさせておいたほうが 問題が起きたときに対処しやすいです。 参考 https://t.co/X1XdNkiXVg |
| 7 | homeディレクトリに作成された「tree_visualization.png」を確認。 この図が艦種特定の質問文になっています。 |
