自動機械学習コード詳解
2 min
卒業論文ではauto-sklearnに基づいた自動機械学習モデルを応用しました。モデルの原理についてはこちらをクリックしてください。ここでは私のコードの使い方を説明します。詳細なコメント版です。
コードリポジトリ：https://github.com/lifeodyssey/AMF
サーバーのamfディレクトリに移動し、以下を入力します：
source py3/bin/activateこの後、各行の先頭に(py3)と表示され、仮想環境に入ったことを示します。
その後、以下を入力するだけです：
python code.pyプログラムの実行が開始されます。
以下はプログラムの詳細な説明です。コードを修正したい場合は、サーバー上で直接vimを使用するか、ローカルで修正してPSFTPでサーバーにプッシュできます。
import autosklearn.regression
from sklearn.model_selection import train_test_split
import pandas as pd
import numpy as np
# 最初の4行は必要なパッケージをインポート
rawdata=pd.read_excel('rawdata.xlsx') # 引用符内にファイルパスを入力
Y=rawdata[['cpue']] # 引用符内に予測する変数名を入力
Y=np.log10(Y+1) # 対数変換を適用、削除可能
X=rawdata[['lon','lat','sst','chla','doy']] # 使用する変数名を入力
x_train,x_test,y_train,y_test=train_test_split(X,Y,test_size=0.3,random_state=7) # test_sizeはテストセットの割合、0.3は30%automl = autosklearn.regression.AutoSklearnRegressor(
include_estimators=["random_forest","decision_tree","gradient_boosting","xgradient_boosting"],
# 効果的と思われるモデルのみを含む
# モデルの種類はhttps://github.com/automl/auto-sklearn/tree/master/autosklearn/pipeline/components/regressionを参照
exclude_estimators=None,
include_preprocessors=["no_preprocessing", ],
exclude_preprocessors=None,
resampling_strategy='cv',
resampling_strategy_arguments={'folds': 10}, # 10分割交差検証で最適パラメータを決定
)
automl.fit(x_train, y_train.values.ravel())automl.sprint_statistics()
automl.show_models()
automl.refit(x_train, y_train.values.ravel())
# 新しい独立変数で予測する場合は、以下の行の#を削除
#predata=pd.read_excel('rawdata.xlsx') # 引用符内にファイルパスを入力
#X=predata[['lon','lat','sst','chla','doy']] # 引用符内に選択した変数名を入力
y_pre = automl.predict(X)
ypre=np.power(10,ypre)-1 # 変換を戻す
ypre=pd.DataFrame(ypre)
result=pd.concat([rawdata,ypre]) # 新しい独立変数を使用する場合は、rawdataをpredataに変更
result.to_excel('result.xlsx')