[Pythonプログラミング]たった2行で機械学習の精度検証が出来ちゃうLazypredictを試してみた : 乙Py先生のプログラミング教室

今回はたった2行で
機械学習の精度検証が出来ちゃう
Lazypredictを試してみました

解説動画はこちら

このライブラリは
機械学習用のモデルを自動作成して
複数のモデルを比較してくれます

これがgithubです
Lazypredict

ドキュメントとしては
それほど情報量が多くないようです

コードなどもシンプルで
かなり使いやすい印象ですね

GoogleColabで動かせるので
使いたい方はコードを参考にしてみてください。

まず最初はライブラリのインストールです

# ライブラリのインストール
pip install lazypredict

30秒くらいでインストールも終わります。

GoogleColabなら追加のインストールが
無くても動くと思います。

このライブラリは
数値を予測する回帰モデルと
種別を予測する判別モデル
2種類の機械学習モデルの比較を行えます

最初は判別モデルをみてみましょう
データはscikit-learnのデータセットを使います

load_wine

ワインの品種に関するデータセットで

14列178個のデータがあり
3クラス分類で予測します

説明変数

alcohol アルコール濃度

malic_acid リンゴ酸

ash 灰

alcalinity_of_ash 灰のアルカリ成分

magnesium マグネシウム

total_phenols 総フェノール類量

flavanoids フラボノイド（ポリフェノールらしい）

nonflavanoid_phenols 非フラボノイドフェノール類

proanthocyanins プロアントシアニジン（ポリフェノールの一種らしい）

color_intensity 色の強さ

hue 色合い

od280/od315_of_diluted_wines ワインの希釈度合い

proline プロリン（アミノ酸の一種らしい）

目的変数

ワインの品種

こんな感じのデータです
読み込みのコードはこちら

from sklearn import datasets
import pandas as pd
df = datasets.load_wine(as_frame=True).frame

print('行列数 : ' , df.shape)
print('ターゲットの種別数 : ' , df['target'].nunique())
df.head()

これでデータが用意できたので
次は学習データの分割です
トレーニング7 , テストサイズ3で分割します

# 学習データの分割
from sklearn.model_selection import train_test_split
X = df.iloc[0: , 0:-1]
Y = df['target']

# トレーニング7 , テストサイズ3で分割
x_train, x_test, y_train, y_test = train_test_split(X , Y , test_size=0.3 , random_state=0)
x_train.shape, x_test.shape, y_train.shape, y_test.shape

((124, 13), (54, 13), (124,), (54,))

最後にlazypredictで
予測モデルの作成です

分類モデルを複数自動で生成し
その精度検証の結果と
予測結果を出してくれます

モデルの作成、検証部分は2行でいけます
分類モデルの検証はLazyClassifierを使います

# lazypredictのインポート
import lazypredict
# 回帰予測
#from lazypredict.Supervised import LazyRegressor
# 分類問題
from lazypredict.Supervised import LazyClassifier

# 予測モデルの作成(たったの2行だけ)
clf = LazyClassifier(verbose=1,ignore_warnings=True,predictions=True)
models , predictions = clf.fit(x_train , x_test , y_train , y_test)

最後の行の変数
models , predictions
に精度検証の結果と
予測結果が格納される仕組みです

作成した予測モデルの比較を見てみましょう

# モデルの比較
models

こんな感じで予測モデルを一気に検証してくれます

テストデータの予測結果も見てみましょう

# テストデータ で予測
predictions

列方向は各モデルで
行がテストデータです

回帰モデルも同様に試してみましょう

load_boston
ボストン住宅価格のデータです

from sklearn import datasets
import pandas as pd

data = datasets.load_boston()
boston_df = pd.DataFrame(data=data["data"] , columns=data["feature_names"])
boston_df['MEDV'] = data["target"]

print('行列数 : ' , boston_df.shape)
print('ターゲットの平均値 : ' , boston_df['MEDV'].mean())
boston_df.head()

学習データの分割も同様です

# 学習データの分割
from sklearn.model_selection import train_test_split
X = boston_df.iloc[0: , 0:-1]
Y = boston_df['MEDV']

# トレーニング7 , テストサイズ3で分割
x_train, x_test, y_train, y_test = train_test_split(X , Y , test_size=0.3 , random_state=0)
x_train.shape, x_test.shape, y_train.shape, y_test.shape

回帰モデルの検証も2行でいけますが
回帰の場合はLazyRegressorを使用します

# lazypredictのインポート
import lazypredict
# 回帰予測
from lazypredict.Supervised import LazyRegressor
# 分類問題
#from lazypredict.Supervised import LazyClassifier

# 予測モデルの作成(たったの2行だけ)
reg = LazyRegressor(verbose=1,ignore_warnings=True,predictions=True)
models , predictions = reg.fit(x_train , x_test , y_train , y_test)
# モデルの比較
models