pythonではじめる機械学習p34-内包表記のコードレビュー

Question

pythonではじめる機械学習p34からです。cancer腫瘍が悪性かどうか予測するということをやっています。

コードは↓なのですが、このコードの流れについては、➀zipでcancer.target_namesとnp.bincount(cancer.target)を並列処理し、➁その値をnとvに格納し、➂それをn: vのところでそのまま渡してあげるという感じで間違いないでしょうか？また、辞書型を作成する場合は内包表記自体を｛｝で囲んであげるということで合っていますか？表現についても間違いありましたらご指摘願えます。

print('samplecounts per class: {}'.format({n: v for n, v in zip(cancer.target_names, np.bincount(cancer.target))}))

from sklearn.datasets import load_breast_cancer
import numpy as np
cancer = load_breast_cancer()

# cancer.keys(): 
# dict_keys(['data', 'target', 'target_names', 'DESCR', 'feature_names', 'filename']))

print('samplecounts per class: {}'.format({n: v for n, v in zip(cancer.target_names, np.bincount(cancer.target))}))

#printで中身出力↓
data.shape: (569, 30)
data: [[1.799e+01 1.038e+01 1.228e+02 ... 2.654e-01 4.601e-01 1.189e-01]
 ...
 [7.760e+00 2.454e+01 4.792e+01 ... 0.000e+00 2.871e-01 7.039e-02]]
target_names ['malignant' 'benign']
feature_names ['mean radius' 'mean texture' 'mean perimeter' 'mean area'
...'worst fractal dimension']
filename C:\local\Anaconda3\lib\site-packages\sklearn\datasets\data\breast_cancer.csv

samplecounts per class: {'malignant': 212, 'benign': 357}

Answer 1

➀zipでcancer.target_namesとnp.bincount(cancer.target)を並列処理し、
➁その値をnとvに格納し、
➂それをn: vのところでそのまま渡してあげるという感じで間違いないでしょうか？

それであっています。
入れ子になっている部分は1つずつ分解して、print() するとなにをやっているかわかると思います。

また、辞書型を作成する場合は内包表記自体を｛｝で囲んであげるということで合っていますか？

あっています。

---

1. cancer.target_names はクラス名のリスト

['malignant' 'benign']

1. cancer.target は各サンプルのラベルで0が癌でない、1が癌を表す。

[0 0 ... 0 1]

1. np.bincount(cancer.target) はラベルごとの合計の個数を計算している。

結果は [212 357]

1. zip(['malignant' 'benign'], [212 357]) をループさせると、

1回目のループでは、('malignant', 212)
2回目のループでは、('benign', 357)
が渡される。それをキー及び値にして、内包記法で辞書を作成している。

from sklearn.datasets import load_breast_cancer
import numpy as np

cancer = load_breast_cancer()

print(cancer.target_names)
# ['malignant' 'benign']

print(cancer.target)
# [0 0 ... 0 1]

print(np.bincount(cancer.target))
# [212 357]

print(
    "samplecounts per class: {}".format(
        {n: v for n, v in zip(cancer.target_names, np.bincount(cancer.target))}
    )
)

Comments

[esklia]

ご回答くださりありがとうございます。わかりやすい説明でよく理解できました。本でもサイトでも、詳細な説明がないので理解するために別の情報を参照したりして、二度手間のようになってしまいますね…どうにかならないものでしょうか…

[tiitoi]

書籍のコードを見るだけでコードの流れを理解するのは難しいので、実際に書かれているコードを実行し、結果を確認しながら読みすすめるのがよいと思います。
今回のように一行で書かれていたり、関数が入れ子になっていてわかりづらいものは、ばらして、print() して変数がどう変化したかなど確認するとよいです。
(Jupyter Notebook を使うと逐次実行できるので、学習向きです)

また、使い方のわからない関数が出てきたら、都度調べるようにしましょう。
最初は知らないことが多いので、時間がかかるかもしれませんが、そのように覚えていけば、知らないことが減っていくので、コードを読むスピードが早くなると思います。

[esklia]

親切にしてくださり非常に助かりました。そうですね、今まで以上に手間を惜しまずちゃんと調べるようにします。