Helve’s Python memo

Pythonを使った機械学習やデータ分析の備忘録

Pythonのf-stringsで文字列を扱う

Python 3.6以降で実装されたf-stringsと呼ばれる数字や文字列の表記法について、学術計算で最低限必要な範囲でまとめた。
本記事では、整数・小数の桁数指定や、指数表示を扱う。

目次

  • f-stringsの基本
  • 全体の桁数を指定する場合
  • 小数点以下の桁数を指定する場合
  • 指数表示の場合
  • 複数の変数や通常の文字列も表示する
  • 参考
続きを読む

Scikit-learnでデータのスケール変換(前処理)する

Python機械学習用ライブラリScikit-learnに実装されている、スケール変換について調べた。
スケール変換を行うクラス3つのパラメータとメソッドをまとめ、各変換の結果を比較した。

※タイトルに< hoge> を使うと、ページ最下部の前後の記事へのリンクで< /hoge> とHTMLタグに認識されるようなので、本記事より使わないようにした。

目次

  • はじめに
  • 環境
  • 標準化(平均0, 分散1)する
    • StandardScalerのパラメータ
    • StandardScalerのメソッド
    • StandardScalerの使用例
  • 外れ値に頑健な標準化
    • RobustScalerのパラメータ
    • RobustScalerのメソッド
    • RobustScalerの使用例
  • 正規化(最大1, 最小0)する
    • MinMaxScalerのパラメータ
    • MinMaxScalerのメソッド
    • MinMaxScalerの使用例
  • 各変換の比較
    • ケース1:平均(0, 0), 分散1
    • ケース2:平均(5, -5), 分散1
    • ケース3:平均(0, 0), 分散2
    • ケース4:外れ値を加えた場合
  • 参考
    • Scikit-learn公式
    • 公式以外のページ
    • 書籍
続きを読む

<matplotlib> スタイルによるグラフの見た目の変更

matplotlibにはスタイルと呼ばれる、グラフの見た目を変更できるプリセットが用意されている。
スタイルを活用することで、グラフの見た目を簡単に変更できる。

目次

  • 環境
  • はじめに
  • スタイルの設定
  • スタイルの表示例
    • grayscale
    • seaborn
  • さらにグラフの見た目を変更する
  • 参考
続きを読む

<Keras> RNN, GRU, LSTMによる時系列予測

KerasのRNN, GRU, LSTMレイヤを使って時系列データを学習させる。
Kerasを初めて使われる方は、以下の記事を参考にして下さい。
helve-python.hatenablog.jp

目次

  • 環境
  • はじめに
  • Recurrentレイヤ
  • 学習データ
  • kerasによる学習
    • NNモデル
    • 学習の実行
    • 学習モデルの評価
  • 参考
続きを読む

<Keras> ニューラルネットワークによる正弦波の回帰【入門】

以前、Chainerの入門記事を書いたが、実装が容易なKerasを試してみた。
ニューラルネットワーク (NN) による回帰の実装例として、正弦波を学習させる。

目次

  • 環境
  • はじめに
  • 学習データ
  • Kerasによる学習
    • NNモデル
    • 学習の実行
    • 学習モデルの評価
  • 参考
続きを読む