pythonの使い方

pythonの導入など！未完なのでスライドは徐々に増やしていきます！

Transcript

1. Pythonとは！？ ・汎用スクリプト言語 ・機械学習を学ぶのに適した言語の一つ ・機械学習を試す上でライブラリの設備が整っている やっていくこと ・Python 3.5 （scikit-learn，Numpy，matplotlib，pandasの使い方） pythonのインストールはAnaconda (オープン・データサイエン ス・プラットフォーム)を使うとすぐに実行できる環境が整うよ！ https://www.continuum.io/ からダウンロードしてね
2. Pythonの起動確認 λʔϛφϧͰʮQZUIPOʯͱଧͭ QZUIPOͱ"OBDPOEBͷ໊લ͕
   ֬ೝͰ͖ͨΒ0, 4DJLJUMFBSO͕͋Δ͔
   ֬ೝͯ͠ΈΑ͏ʂʂ ͦͷޙɼʮTLMFBSO@@WFSTJPO@@ʯ
   ͱചͬͯWFSTJPO͕֬ೝͰ͖ͨΒ׬ᘳ ʮJNQPSU
   TLMFBSOʯͱίϚϯυ͢Δ ͪͳΈʹʮTLMFBSO@@WFSTJPO@@ʯ
   ͷ@@͸ɼ൒֯Ξϯμʔόʔճʂ ͜ͷର࿩Ϟʔυ͸ɼRVJU ͱೖྗ͢Δͱऴྃ͠·͢ɽ
3. conda update qt pyqt conda install -c spyder-ide spyder=3.3.1 conda update spyder Spyderを使って動かそう QZUIPOΛ؆୯ʹಈ͔͢͜ͱ͕Ͱ͖ͯศརͰ͢ɽ
   ࠨଆʹεΫϦϓτΛॻ͘ΤσΟλ͕͋ͬͯɼӈଆͰίϯιʔϧΛ֬ೝͰ͖·͢ɽ
   ͳ͓ɼΠϯετʔϧ͸ɼλʔϛφϧ্ͰҎԼͷίϚϯυΛೖྗ͢Δ͜ͱͰߦ͍·ͨ͠ɽ Πϯετʔϧ͕ऴΘͬͨΒɼλʔϛφϧ্Ͱʮ4QZEFSʯͱଧ͍ͬͯͩ͘͞ɽ
   4QZEFS͕ىಈ͠·͢
4. Numpyとは ・数値計算全般によく利用されるパッケージ ・np.arrayをいう配列クラスにより，高速な行列計算ができる Numpyの使い方 0. インポートする（よくnpという名前を与えてインポートする） 1. データ構造を用意する(N次元の配列) データ構造の形状と，要素の型を指定して，初期化する np.zeros(shape, dtype=None) import numpy as np np.zeros(shape = (2,3), dtype=None) 例えばこうすると，2×3の２次元配列ができる． dtype = None（デフォルト）だと，np.float64かnp.int64になる
5. 1. データ構造を用意する(N次元の配列) Numpyとは np.array(object, dtype=None, cory=True, order=None, subok=False, ndmin=0) ndarrayの要素にしたい値がすでに別の型のオブジェクトのイテラブル（リストや辞書） として存在する場合はこっち．object以外の引数は気にしないでOK! 4行３列の配列に， ０.0が初期値として 入っている (Float64) 4行３列の配列に， int型が入っている 作った配列の形状とデータの型は， shape,dtypeで参照することが可能！ np.arrayを使ってみよう！！！！！
6. np.arrayの色々な使い方：表示や転置，四則計算，形状変更 aとbの足し算の結果 aとbの結合の結果 aの形状の変更 1行12列へ aを転置 配列が理解できたら，とりあえずpythonは大丈夫だと思います！
7. 配列の連結で便利な vstack と stack vstackは 縦に連結 hstackは横に連結
8. 特定の行や列をして 取り出すことが可能 「np.loadtxt」でデータを読み込む
9. 「np.savetxt」でデータを書き込む loadはこれが 入っている save.txt に保存
10. matplotlibとは ・グラフ描写を可能とするパッケージ 　　　（折れ線グラフ，散布図などいろいろ） 実際に描画してみよう！ sin波と乱数をプロットしたものです． 簡単です． 参考図書：Pythonによる機械学習入門 https://amzn.to/2QqDvDw arange(開始，終了，刻み幅) プロット時に線のスタイルを指定
11. 機械学習の「分類」，「回帰」，「クラスタリング」 「分類」・・・ 　あるデータから分類（クラス，ラベル）を予測するもの 　正解データからルールを学習し，未知データを分類する 「回帰」・・・ 　あるデータから数値を予測するもの 　これも正解データから学習する 　 「クラスタリング」・・・ 　データの性質に従い，データの塊(クラスタ)を作るもの
 　正解データを必要としない　
12. システムの振る舞いを，オブジェクトの相互作用として考える クラス（設計図）とインスタンス（実体）という概念を覚える必要がある クラスとインスタンスとは たくさん生成できるよ〜 はじめてのディープラーニング，我妻幸長，SB Creative オブジェクト指向によるプログラミングがあります． JOJUϝιου Pythonのメソッドは引数としてselfを受け取る B
    
    Πϯελϯεม਺ ௥ՃͷϝιουͰ͸ɼ
    Πϯελϯεม਺Bͱͷԋࢉʂ Ұ౓ϝιουͰ஋͕୅ೖ͞ΕͪΌ͑͹ɼ
    ಉ͡ΠϯελϯεͷͲͷϝιου͔ΒͰ΋
    TFMGΛ༻͍ͯΞΫηεͰ͖Δ
13. Scikit-learn の train_test_spilt() 学習データと，テストデータの分割を行う ಛ௃ྔ ಛ௃ྔ ಛ௃ྔ ϥϕϧ 
    PS
       
                                ɾ
    ɾ
    ɾ ɾ
    ɾ
    ɾ 9 ಛ௃ྔσʔλ Z ਖ਼ղ஋ϥϕϧ 9@USBJO ڭࢣσʔλ Z@USBJO ڭࢣϥϕϧ 9@UFTU ςετσʔλ Z@UFTU ςετϥϕϧ   データセットから，特徴量 X と，ラベル y を分ける さらに，教師データと，テストデータに分ける 特徴量 X ラベル y 層化サンプリング (Stratified Sampling)： サンプリングデータが偏らないように， 指定した変数(y)の出現頻度が一定になるようにしている