『PythonによるＡＩ・機械学習・深層学習アプリのつくり方』
の第２章に、
｢ＡＩで美味しいワインを判定しよう｣という演習があったので試してみた。
2020/10/22,新版が出た！(写真は旧版）
｢UCI Machine Learning Repository｣(＊１)から
｢winequality-white.csv｣をダウンロードし、
３つめのファイル
｢ランダムフォレスト｣というアルゴリズムを使ってワインの品質分類を行う、
という設定だ。
,ではなく;でデータがくぎられていた(そのため、in[13]でsep=”;”を指定）
評価は、classification_report()関数を使い、
各分類ラベルごとに、
precision(精度、正解率)、recall(再現率)、f1-score(精度と再現率の調和平均)を出したが、正解率が68%程度とよくない。
警告メッセージを読み解くのも一苦労。
原因は、
実行結果の下部に、
｢UndefinedMetricWarning｣の警告メッセージが出ており、
すべてのラベルにデータが分類されておらず、
データに問題があることがわかる。
そこで、
データ数の分布を可視化し(不均衡データになっていた)
データを３段階にまとめて学習し直すことで精度を上げ、
大団円となった(＊３)。
しかし、
コードを写経して、実行結果を見て、かんたんな解説を読んで、
それで、終わり？
知りたいのは、
ランダムフォレストはどういうしくみで分類を行なうのか。
そして、
ビジネスシーンでどういうふうに使われているのか。
なのだ。
幸い、
『機械学習図鑑』にしくみの説明があった。
いい紙を使っているので、少しお高い（値段が）
それによると、
ランダムフォレストとは、
ブートストラップ法でデータを復元抽出し(＝水増しすること)、
特徴量をランダムに選択して少しずつ異なる｢決定木(＊４)｣を作り、
その多数決をとるしくみ(回帰の場合は平均)
だという。
説明だけでは不十分だから、
『Pythonではじめる機械学習』で
その実装方法をチェックし、ようやく納得した(時間かかった！)。
間違いない！一冊。
終わったと思ったら、
あるWebサイトで、
2014年以降、kaggle(＊５)等では、ランダムフォレストより勾配ブースティングのひとつ、XGBoostやマイクロソフトのLightGBMが使われている。
という話を見つけた。
もうやめて。
この演習、いつまでたっても終わらない予感。
（１）バギング・・・ランダムフォレスト
（２）ブースティング・・・勾配ブースティング → XGBoost, LightGBM, CatGBM
（３）スタッキング、
の３種類の方法がある。
Follow me!
