質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

91.04%

  • Python

    5186questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • Python 3.x

    3764questions

    Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

python:混合行列

解決済

回答 1

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 175

ponn

score 13

前提・実現したいこと

Digtisデータで混合行列を作成するコードようにmnistデータでも同じように混合行列を作成したいのですがどのようにしたらいいですか。

原因と改善策を教えてください。

また、Digtisデータで混同行列は以下のようにできたのに今回はエラーが出るのでしょうか。

発生している問題・エラーメッセージ

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-5-f6ad643389d7> in <module>()
     29 
     30 if __name__ == '__main__':
---> 31     main()

<ipython-input-5-f6ad643389d7> in main()
     21 
     22     # 正解率を計算
---> 23     score = accuracy_score(test_dataY, predicted_labels)
     24     print("正解率:{}".format(score))
     25 

~\Anaconda3\lib\site-packages\sklearn\metrics\classification.py in accuracy_score(y_true, y_pred, normalize, sample_weight)
    174 
    175     # Compute accuracy for each possible representation
--> 176     y_type, y_true, y_pred = _check_targets(y_true, y_pred)
    177     if y_type.startswith('multilabel'):
    178         differing_labels = count_nonzero(y_true - y_pred, axis=1)

~\Anaconda3\lib\site-packages\sklearn\metrics\classification.py in _check_targets(y_true, y_pred)
     69     y_pred : array or indicator matrix
     70     """
---> 71     check_consistent_length(y_true, y_pred)
     72     type_true = type_of_target(y_true)
     73     type_pred = type_of_target(y_pred)

~\Anaconda3\lib\site-packages\sklearn\utils\validation.py in check_consistent_length(*arrays)
    202     if len(uniques) > 1:
    203         raise ValueError("Found input variables with inconsistent numbers of"
--> 204                          " samples: %r" % [int(l) for l in lengths])
    205 
    206 

ValueError: Found input variables with inconsistent numbers of samples: [21000, 1]

Digitsデータでのソースコード

from sklearn import datasets
from sklearn.model_selection import LeaveOneOut
from sklearn.metrics import accuracy_score, confusion_matrix
from sklearn.neighbors import KNeighborsClassifier

def main():
    dataset = datasets.load_digits()

    features = dataset.data
    targets = dataset.target

    predicted_labels = []

    loo = LeaveOneOut()
    for train, test in loo.split(features):
        train_data = features[train]
        target_data = targets[train]

        model = KNeighborsClassifier(n_neighbors=1, metric='euclidean')
        model.fit(train_data, target_data)

        predicted_label = model.predict(features[test])
        predicted_labels.append(predicted_label)

    print(predicted_labels)
    score = accuracy_score(targets, predicted_labels)
    print(score)

    # 混合行列を表示
    cm = confusion_matrix(targets, predicted_labels)
    print(cm)


if __name__ == '__main__':
    main()

mnistデータでのソースコード

from collections import Counter
from matplotlib import pyplot as plt
from sklearn import datasets, model_selection, metrics
from sklearn.metrics import accuracy_score, confusion_matrix
from sklearn.neighbors import KNeighborsClassifier
import sklearn.datasets as datasets
import numpy as np
import pandas as pd
import time
state = np.random.RandomState(1)

mnist = datasets.fetch_mldata('MNIST original', data_home='data/src/download/')

def main():

    # 特徴データとラベルデータを取り出す
    features = mnist.data
    targets = mnist.target

    #データを分割
    train_dataX, test_dataX, train_dataY, test_dataY = model_selection.train_test_split(features,targets,test_size=0.3)

    predicted_labels = []

    # モデルを学習 
    model = KNeighborsClassifier(n_neighbors=1, metric='euclidean')
    model.fit(train_dataX,train_dataY)

    # 一つだけ取り除いたテストデータを識別
    predicted_label = model.predict(test_dataX)
    predicted_labels.append(predicted_label)

    ## print(predicted_labels)

    # 正解率を計算
    score = accuracy_score(test_dataY, predicted_labels)
    print("正解率:{}".format(score))

    # 混合行列を表示
    cm = confusion_matrix(test_dataY, predicted_labels)
    print(cm)

if __name__ == '__main__':
    main()

補足情報(言語/FW/ツール等のバージョンなど)

Anaconda

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

checkベストアンサー

+1

predicted_labelsは、初期設定しているものの、その後にデータが与えれておらず空の状態です。test_dataYはエラーメッセージからすると21,000件なのでそれに見合った件数の予測結果を引数に設定する必要があります。どのデータ同士を対比した混合行列を作るつもりなのか、確認したほうがいいでしょう。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2017/12/11 18:03

    predicted_label = model.predict(test_dataX)の下に

    predicted_labels.append(predicted_label)を付け加えたのですがこれも違いました。

    キャンセル

  • 2017/12/11 21:25

    appendを使っているのはどういう意図でしょうか?
    上記の説明通りだと、predicted_labelsには1件のデータが格納されます。比較対象であるtest_dataYは21,000件なので件数の不一致でエラーになります。test_dataYと比較したいものが何なのか確認したほうがいいかと思います。

    キャンセル

  • 2017/12/11 23:45

    Digtisデータで混合行列を作成するコードようにmnistデータでも同じように混合行列を作成したいのですがどのようにしたらいいですか

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 91.04%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る

  • Python

    5186questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • Python 3.x

    3764questions

    Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。