機械学習のHello World的なMNISTにて、学習モデルを保存し、実行する際のメモ。
用意するもの
PC
コマンドプロンプト
インストール（python、sklearn、numpy）
学習時のコード
from sklearn import datasets
from sklearn import metrics
from sklearn import svm
from sklearn.model_selection import train_test_split
import numpy as np
from sklearn.externals import joblib
# データセットロード
dataset = datasets.load_digits()
#全データの最大値、全データ数確認
#print(np.amax(dataset.data)) # 最大値16
#print(dataset.data.shape[0]) # 全データ数
# 設定用
x = dataset.data / 16 # 最大値を1にする
y = dataset.target
# 訓練データ/テストデータの分割
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.2, random_state=1)
# モデル作成
model = svm.LinearSVC() # SVC
# 学習
model.fit(x_train, y_train)
# 推定
y_pred = model.predict(x_test)
# 評価
score = metrics.accuracy_score(y_test, y_pred)
print("SVC Score : {0:.4f}" . format(score))
# 間違い探し
co_mat = metrics.confusion_matrix(y_test, y_pred)
print(co_mat)
# 学習済みモデルの作成
joblib.dump(model, "test.pkl", compress=True)
呼び出し時のコード
from sklearn.externals import joblib
def predict(parameters):
model = joblib.load('./test.pkl')
params = parameters.reshape(1,-1)
pred = model.predict(params)
return pred
pred = predict(x) # xは入力値、未設定のためエラー出ます(28x28)
print(pred) # 結果出力
他のモデルを使う場合
「学習時のコード」の3行目と22行目を変更してください。
from sklearn import svm model = svm.LinearSVC() # SVC
これをSVC以外の・・・分類に突っ込んであげましょう。
ロジスティック などですね。
k-meansは教師なしなので使い方が違います。
回帰（数値分類）ではできないので注意してください。
まとめ
意外と簡単に学習→モデル保存→出力できました。
慣れてない人は、コードに慣れてくるまでは写経ですね。
・・・とはいえ私も、「学習時のコード」のdatasetの最大値を出すだけで15分かかりました…。
