忍者ブログ

いけいけ機械学習

統計、機械学習、AIを学んでいきたいと思います。 お役に立てば幸いです。


Python sklearn iria datasetをロードし表示する

1.概要

iris datasetをロードし、pandasを利用して表示する例です。


2.サンプル


import pandas as pd
from sklearn.datasets import load_iris

# 1. Irisデータセットをロード
iris = load_iris()

# 2. データをPandas DataFrameに変換
# 特徴量のデータ (data) と特徴量の名前 (feature_names) を使用
df = pd.DataFrame(data=iris.data, columns=iris.feature_names)
#
print("--- データセット読み込み後 ---")
print(df.head())

# 3. 目的変数 (target) の追加
#
df['species'] = iris.target
#
print("--- taeget追加後 ---")
print(df.head())

# 4. 目的変数 (target) の追加
# targetは通常数値(0, 1, 2)なので、わかりやすいようにtarget_namesを対応付けます
df['species_name'] = df['species'].apply(lambda x: iris.target_names[x])
#
print("--- taeget_name追加後 ---")
print(df.head())


3.実行結果

以下のように表示されました。


--- データセット読み込み後 ---


   sepal length (cm)  sepal width (cm)  petal length (cm)  petal width (cm)


0                5.1               3.5                1.4               0.2


1                4.9               3.0                1.4               0.2


2                4.7               3.2                1.3               0.2


3                4.6               3.1                1.5               0.2


4                5.0               3.6                1.4               0.2


--- taeget追加後 ---


   sepal length (cm)  sepal width (cm)  petal length (cm)  petal width (cm)  species


0                5.1               3.5                1.4               0.2        0


1                4.9               3.0                1.4               0.2        0


2                4.7               3.2                1.3               0.2        0


3                4.6               3.1                1.5               0.2        0


4                5.0               3.6                1.4               0.2        0


--- taeget_name追加後 ---


   sepal length (cm)  sepal width (cm)  petal length (cm)  petal width (cm)  species species_name


0                5.1               3.5                1.4               0.2        0       setosa


1                4.9               3.0                1.4               0.2        0       setosa


2                4.7               3.2                1.3               0.2        0       setosa


3                4.6               3.1                1.5               0.2        0       setosa


4                5.0               3.6                1.4               0.2        0       setosa





Python 音声を出す(pyttsx3)


Python で話してもらうサンプルです。


pyttsx3を利用します。

1. サンプル


import pyttsx3



# エンジンの初期化


engine = pyttsx3.init()



# 読み上げたいテキスト


texts = [


         "こんにちは。" ,


         "今日もいい天気です。"


        ]



# テキストを登録する


for text in texts:


  engine.say(text)




# 読み上げ開始



engine.runAndWait()


2.実行結果

「こんにちは。今日もいい天気です。」

としゃべります。




多変量解析の主な手法

1.重回帰分析

 説明変数 ・・ 数値データ
 目的変数 ・・ 数値データ

2.判別分析

説明変数 ・・ 数値データ
目的変数 ・・ カテゴリーデータ


3.数量化Ⅱ類

説明変数 ・・ カテゴリーデータ
目的変数 ・・ カテゴリーデータ

4.主成分分析

説明変数から、互いに独立な変数をもとめる(次元を減らす)

5. 因子分析

数値データの説明変数間の相関を分析し、背後にある因子をさぐる

6.クラスター分析

データ群を数値データの類似度に基づいて分析

7,数量化Ⅲ類




集合

1.集合とは

 集合とは、要素と呼ばれるものの集まり


 Sが集合で、xがSの要素であるときは、x∈Sと書く

2.集合の表現

 要素 x, y,zからなる集合Sは、次のように表現する


 S={x, y,z}


 要素のない集合は、空集合とよばれ、Φで表される

3.集合の性質

 要素は重複しない


 要素に特定の順序はない

4.部分集合

 AとBが集合であり、Aのすべての要素がBの要素であるとき、AはBの部分集合であるという


 部分集合は、A⊆Bで表す

5.べき集合

 集合Sのすべての部分集合のあつまりを、Sのべき集合という


 たとえば、S={a,b}とすると、Sのべき集合は、


 Power(S)={Φ,{a},{b},{a,b}}


 
    となる。

6.集合の和

 ・2つの集合A,Bの和は、AかBに含まれる、あるいは、
  その両方に含まれるすべての要素からなる集合


 ・A∪Bと表す


 ・次のように表現される


 A∪B = { x | x ∈A または y ∈ B}

7.和集合の性質

 (1)A∪Φ = A


 (2)A∪B = B∪A


 (3)A∪(B∪C) = (A∪B)∪C


 (4)A∪A = A


 (5)A∪B = B であり、かつそのときに限り、 A⊆B

8.集合の積

 ・2つの集合AとBの積とは、AとBの両方に含まれる要素すべてからなる集合


 ・A∩Bと記される


 ・次のように表現される  A∩B = { x | x ∈A かつ y ∈ B}


 ・A∩B = Φの場合、AとBは、互いに素である。という

9.積集合の性質

 (1)A∩Φ = Φ


 (2)A∩B = B∩A


 (3)A∩(B∩C) = (A∩B)∩C


 (4)A∩A = A

10.差集合

 ・AとBの差集合とは、Aの要素でBに含まれないものの集合


 ・A - Bと表現される


 ・A - B={x | x∈A かつ x "B }と定義できる


 ・A = { a, b,c }で、B = { c,d }とすると、A - B = {a,b}となる

11.補集合

 ・すべての集合が、その部分集合となる集合を、全体集合という


 ・全体集合を U とすると、差 U - A を、Aの補集合といい、A′と記す

12.ドモルガンの法則

 ・(A U B)′ = A′∩ B′


 ・(A ∩ B)′ = A′U B′

13.集合の濃度

 ・集合の濃度とは、要素の数のこと


 ・Sを集合とすると、|S|で表す


 ・S={a,b,c}とすると、|S|=3 となる

14.集合のデカルト積

 ・A,Bを集合とする。

・AとBのデカルト積A×Bは、次のように定義される。

  A×B={(a,b) |a ∈A かつ b ∈B }