この記事では、Pythonと機械学習ライブラリ「scikit-learn」を用いて、ニューラルネットワーク(NN)で学習したモデルをファイルに出力し、保存する方法とソースコードを解説します。
ニューラルネットワークとは
前回までは、Python + scikit-learnでニューラルネットワーク(パーセプトロン方式)を実装し、学習・予測・識別率の計算を行いました。
– | 前回までの記事 |
---|---|
1 | 【Scikit-learn】ニューラルネットワークで学習・予測 |
2 | 【Scikit-learn】ニューラルネットワークの識別率を計算 |
3 | ニューラルネットワークの原理・計算式・特徴 |
今回は学習データをファイル出力(保存)してみます。
書式
sklearn.externals.joblib.dump(clf, filepath)
パラメータ | 説明 |
---|---|
clf | 学習データ |
filepath | 出力先のファイルパス |
ソースコード
サンプルプログラムのソースコードは下記の通りです。
# -*- coding: utf-8 -*- import pandas as pd from sklearn.neural_network import MLPClassifier from sklearn.externals import joblib def main(): # データを取得 data = pd.read_csv("data.csv", sep=",") # ニューラルネットで学習 clf = MLPClassifier(solver="sgd",random_state=0,max_iter=10000) # 学習(説明変数x1, x2、目的変数x3) clf.fit(data[['x1', 'x2']], data['x3']) # 学習データを元に説明変数x1, x2から目的変数x3を予測 pred = clf.predict(data[['x1', 'x2']]) # 結果表示 print (pred) joblib.dump(clf, 'nn.learn') if __name__ == "__main__": main()
data.csv
x1,x2,x3 45,17.5,30 38,17.0,25 41,18.5,20 34,18.5,30 59,16.0,45 47,19.0,35 35,19.5,25 43,16.0,35 54,18.0,35 52,19.0,40
実行結果
サンプルプログラムの実行結果は下記の通りです。
【学習ファイル】
・nn.learn
– | 関連記事 |
---|---|
1 | Scikit-learn入門・使い方 |
2 | Scikit-learnをインストールする方法 |
3 | Python入門 基本文法 |
コメント