質問編集履歴
7
画像に修正追加
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -9,8 +9,7 @@
|
|
|
9
9
|
|
|
10
10
|
|
|
11
11
|
### 追記
|
|
12
|
-
|
|
12
|
+
|
|
13
|
-
|
|
14
13
|
|
|
15
14
|
### 実現したいこと
|
|
16
15
|
|
|
@@ -68,10 +67,8 @@
|
|
|
68
67
|
以下のサイトを参考にしており、元々使用しているデータと違う為必要の無いコードがある可能性があります。質問文を簡潔に書くことができず、申し訳ございません。
|
|
69
68
|
https://qiita.com/Hawaii/items/5831e667723b66b46fba
|
|
70
69
|
|
|
71
|
-
読み込んだデータは1002行7列の加速度データで線形となっており、文字数の関係上こちらに全文記載することはできませんが
|
|
70
|
+
読み込んだデータは1002行7列の加速度データで線形となっており、文字数の関係上こちらに全文記載することはできませんが、序盤の30行ほどを記載させて頂きます。
|
|
72
71
|
|
|
73
|
-
画像
|
|
74
|
-
|
|
75
72
|
|
|
76
73
|
x,y,z,re,xt,abs,t
|
|
77
74
|
-0.026031,-0.976059,0.119003,0.983631282,0,0.026031,straight
|
6
画像を変更しました
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -105,8 +105,6 @@
|
|
|
105
105
|
-0.220535,-1.044144,0.092484,1.071179569,0,0.220535,straight
|
|
106
106
|
|
|
107
107
|
|
|
108
|
-
2022/12/05追加
|
|
109
|
-
|
|
110
108
|
|
|
111
109
|
|
|
112
110
|
|
5
画像を追加しました
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -105,4 +105,8 @@
|
|
|
105
105
|
-0.220535,-1.044144,0.092484,1.071179569,0,0.220535,straight
|
|
106
106
|
|
|
107
107
|
|
|
108
|
+
2022/12/05追加
|
|
109
|
+
|
|
108
110
|
|
|
111
|
+
|
|
112
|
+
|
4
画像を追記とさせて頂きました。
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -8,6 +8,9 @@
|
|
|
8
8
|
なにかアドバイスを頂ければ幸いです。
|
|
9
9
|
|
|
10
10
|
|
|
11
|
+
### 追記
|
|
12
|
+
現状のGoogleDriveの状態を画像になってしまいますが添付させて頂きます。
|
|
13
|
+
|
|
11
14
|
|
|
12
15
|
### 実現したいこと
|
|
13
16
|
|
3
コードの一部を変更、出力結果に変化は見られず
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -24,10 +24,9 @@
|
|
|
24
24
|
### 該当のソースコード
|
|
25
25
|
|
|
26
26
|
```GoogleColaboratory
|
|
27
|
-
import pandas as pd
|
|
27
|
+
import pandas as pd
|
|
28
|
-
import datetime#元データの日付処理のためにインポート
|
|
29
|
-
from sklearn.model_selection import train_test_split
|
|
28
|
+
from sklearn.model_selection import train_test_split
|
|
30
|
-
from sklearn.ensemble import RandomForestClassifier
|
|
29
|
+
from sklearn.ensemble import RandomForestClassifier
|
|
31
30
|
|
|
32
31
|
df = pd.read_csv("k100xt_v2.csv")
|
|
33
32
|
|
|
@@ -46,11 +45,11 @@
|
|
|
46
45
|
y = df["t"].values
|
|
47
46
|
X = train_data.values
|
|
48
47
|
|
|
49
|
-
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=
|
|
48
|
+
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)
|
|
50
49
|
|
|
51
50
|
X_train.shape,X_test.shape,y_train.shape,y_test.shape
|
|
52
51
|
|
|
53
|
-
clf = RandomForestClassifier(random_state=
|
|
52
|
+
clf = RandomForestClassifier(random_state=0)
|
|
54
53
|
clf.fit(X_train, y_train)
|
|
55
54
|
print("score=", clf.score(X_test, y_test))
|
|
56
55
|
|
2
元々質問していた内容を解決することはできたが，その後に別の問題が発生したため質問を修正
test
CHANGED
|
@@ -1 +1 @@
|
|
|
1
|
-
|
|
1
|
+
RandomForestの精度評価を正確に反映させたい
|
test
CHANGED
|
@@ -1,8 +1,9 @@
|
|
|
1
1
|
### 前提
|
|
2
2
|
|
|
3
|
-
時系列データをRandomForestで分類しようとしています。
|
|
3
|
+
時系列データをRandomForestClassifierで分類しようとしています。
|
|
4
|
-
|
|
4
|
+
先程までは、valueerrorが発生してしまうという質問だったのですが、データ内容を変更した所、エラーは解消されました。
|
|
5
|
-
|
|
5
|
+
しかし、その後のclf = RandomForestClassifier～～～で行った精度評価に違和感を覚えてしまい、こちらで質問内容を変更させて頂きたく、修正しております。
|
|
6
|
+
|
|
6
7
|
機械学習は初めて触っており、分からないことばかりなので不十分な質問になってしまっていたら申し訳ございません。
|
|
7
8
|
なにかアドバイスを頂ければ幸いです。
|
|
8
9
|
|
|
@@ -11,19 +12,13 @@
|
|
|
11
12
|
### 実現したいこと
|
|
12
13
|
|
|
13
14
|
ここに実現したいことを箇条書きで書いてください。
|
|
15
|
+
|
|
14
|
-
- [ ]
|
|
16
|
+
- [ ] RandomForestClassifierを実装した時に、どのデータを使用しても精度が100％になってしまう原因を知り、正確な出力ができるよう対処したい。
|
|
15
17
|
|
|
16
18
|
### 発生している問題・エラーメッセージ
|
|
17
19
|
|
|
18
20
|
```
|
|
19
|
-
ValueError Traceback (most recent call last)
|
|
20
|
-
|
|
21
|
+
エラーは出ないのですが、分類の精度評価がデータを変更しても精度評価のスコアが100％になってしまいます。
|
|
21
|
-
3 X = train_data.values
|
|
22
|
-
4
|
|
23
|
-
----> 5 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)
|
|
24
|
-
|
|
25
|
-
|
|
26
|
-
ValueError: With n_samples=0, test_size=0.3 and train_size=None, the resulting train set will be empty. Adjust any of the aforementioned parameters.
|
|
27
22
|
```
|
|
28
23
|
|
|
29
24
|
### 該当のソースコード
|
|
@@ -40,83 +35,72 @@
|
|
|
40
35
|
|
|
41
36
|
df.head()
|
|
42
37
|
|
|
43
|
-
df = df[(df["
|
|
38
|
+
df = df[(df["t"] == "curve") | (df["t"] == "straight")]
|
|
44
39
|
|
|
45
|
-
df["
|
|
40
|
+
df["t"] = df["t"].replace("straight",0)
|
|
46
|
-
df["
|
|
41
|
+
df["t"] = df["t"].replace("curve",1)
|
|
47
42
|
|
|
48
43
|
df = pd.get_dummies(df,drop_first = True)
|
|
49
44
|
|
|
50
|
-
train_data = df.drop("x
|
|
45
|
+
train_data = df.drop("x", axis=1)
|
|
51
|
-
y = df["
|
|
46
|
+
y = df["t"].values
|
|
52
47
|
X = train_data.values
|
|
53
48
|
|
|
54
|
-
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=
|
|
49
|
+
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=1234)
|
|
50
|
+
|
|
51
|
+
X_train.shape,X_test.shape,y_train.shape,y_test.shape
|
|
52
|
+
|
|
53
|
+
clf = RandomForestClassifier(random_state=1234)
|
|
54
|
+
clf.fit(X_train, y_train)
|
|
55
|
+
print("score=", clf.score(X_test, y_test))
|
|
56
|
+
|
|
55
57
|
```
|
|
56
58
|
|
|
57
59
|
### 試したこと
|
|
58
60
|
|
|
61
|
+
・データの行数を300や700に変更
|
|
59
|
-
|
|
62
|
+
・random_stateを1234から0や34などランダムに変更
|
|
60
63
|
|
|
61
64
|
### 補足情報（FW/ツールのバージョンなど）
|
|
62
65
|
|
|
63
|
-
以下のサイトを参考にしており、元々使用しているデータと違う為必要の無いコードがある可能性があります。簡潔に書くことができず、申し訳ございません。
|
|
66
|
+
以下のサイトを参考にしており、元々使用しているデータと違う為必要の無いコードがある可能性があります。質問文を簡潔に書くことができず、申し訳ございません。
|
|
64
67
|
https://qiita.com/Hawaii/items/5831e667723b66b46fba
|
|
65
68
|
|
|
66
|
-
読み込んだデータは1002行
|
|
69
|
+
読み込んだデータは1002行7列の加速度データで線形となっており、文字数の関係上こちらに全文記載することはできませんが画像と、序盤の30行ほどを記載させて頂きます。
|
|
67
70
|
|
|
68
71
|
画像
|
|
69
|
-
|
|
70
73
|
|
|
71
|
-
x,y,z,re,xt
|
|
74
|
+
x,y,z,re,xt,abs,t
|
|
72
|
-
-0.026031,-0.976059,0.119003,0.983631282,0
|
|
75
|
+
-0.026031,-0.976059,0.119003,0.983631282,0,0.026031,straight
|
|
73
|
-
-0.064987,-1.03804,0.12355,1.047384817,0
|
|
76
|
+
-0.064987,-1.03804,0.12355,1.047384817,0,0.064987,straight
|
|
74
|
-
-0.004471,-0.995529,0.139633,1.005283718,0
|
|
77
|
+
-0.004471,-0.995529,0.139633,1.005283718,0,0.004471,straight
|
|
75
|
-
-0.085449,-0.960175,0.097488,0.968886718,0
|
|
78
|
+
-0.085449,-0.960175,0.097488,0.968886718,0,0.085449,straight
|
|
76
|
-
0.035767,-0.907028,0.14296,0.918921451,0
|
|
79
|
+
0.035767,-0.907028,0.14296,0.918921451,0,0.035767,straight
|
|
77
|
-
-0.011917,-0.894821,0.142151,0.906120049,0
|
|
80
|
+
-0.011917,-0.894821,0.142151,0.906120049,0,0.011917,straight
|
|
78
|
-
0.003983,-0.69928,0.007187,0.699328275,0
|
|
81
|
+
0.003983,-0.69928,0.007187,0.699328275,0,0.003983,straight
|
|
79
|
-
-0.078888,-0.890335,-0.034653,0.894494583,0
|
|
82
|
+
-0.078888,-0.890335,-0.034653,0.894494583,0,0.078888,straight
|
|
80
|
-
0.152542,-0.717941,-0.035721,0.734836261,0
|
|
83
|
+
0.152542,-0.717941,-0.035721,0.734836261,0,0.152542,straight
|
|
81
|
-
-0.061661,-1.015518,-0.035339,1.018001833,0
|
|
84
|
+
-0.061661,-1.015518,-0.035339,1.018001833,0,0.061661,straight
|
|
82
|
-
-0.096069,-1.020569,0.138306,1.034368835,0
|
|
85
|
+
-0.096069,-1.020569,0.138306,1.034368835,0,0.096069,straight
|
|
83
|
-
-0.047028,-1.07959,0.099106,1.08514893,0
|
|
86
|
+
-0.047028,-1.07959,0.099106,1.08514893,0,0.047028,straight
|
|
84
|
-
-0.077408,-1.119263,0.169281,1.1346355,0
|
|
87
|
+
-0.077408,-1.119263,0.169281,1.1346355,0,0.077408,straight
|
|
85
|
-
0.121902,-1.052505,0.157715,1.071214681,0
|
|
88
|
+
0.121902,-1.052505,0.157715,1.071214681,0,0.121902,straight
|
|
86
|
-
0.021805,-1.08139,0.156631,1.092892063,0
|
|
89
|
+
0.021805,-1.08139,0.156631,1.092892063,0,0.021805,straight
|
|
87
|
-
-0.099991,-0.915634,0.155319,0.934081267,0
|
|
90
|
+
-0.099991,-0.915634,0.155319,0.934081267,0,0.099991,straight
|
|
88
|
-
-0.198471,-1.043808,0.098312,1.067047856,0
|
|
91
|
+
-0.198471,-1.043808,0.098312,1.067047856,0,0.198471,straight
|
|
89
|
-
0.081284,-1.092499,0.100479,1.100116895,0
|
|
92
|
+
0.081284,-1.092499,0.100479,1.100116895,0,0.081284,straight
|
|
90
|
-
-0.296371,-0.95253,0.216736,1.020844584,0
|
|
93
|
+
-0.296371,-0.95253,0.216736,1.020844584,0,0.296371,straight
|
|
91
|
-
0.122726,-0.81517,0.036789,0.82517709,0
|
|
94
|
+
0.122726,-0.81517,0.036789,0.82517709,0,0.122726,straight
|
|
92
|
-
-0.082077,-0.774368,-0.265396,0.82268917,0
|
|
95
|
+
-0.082077,-0.774368,-0.265396,0.82268917,0,0.082077,straight
|
|
93
|
-
-0.155334,-0.872314,-0.045181,0.887187516,0
|
|
96
|
+
-0.155334,-0.872314,-0.045181,0.887187516,0,0.155334,straight
|
|
94
|
-
-0.10614,-1.170898,0.0047,1.175708261,0
|
|
97
|
+
-0.10614,-1.170898,0.0047,1.175708261,0,0.10614,straight
|
|
95
|
-
-0.02742,-1.092712,0.263962,1.12447646,0
|
|
98
|
+
-0.02742,-1.092712,0.263962,1.12447646,0,0.02742,straight
|
|
96
|
-
-0.108902,-1.078354,0.145279,1.093532342,0
|
|
99
|
+
-0.108902,-1.078354,0.145279,1.093532342,0,0.108902,straight
|
|
97
|
-
-0.191116,-0.966019,-0.031448,0.985244645,0
|
|
100
|
+
-0.191116,-0.966019,-0.031448,0.985244645,0,0.191116,straight
|
|
98
|
-
-0.052795,-0.955856,-0.029785,0.957776149,0
|
|
101
|
+
-0.052795,-0.955856,-0.029785,0.957776149,0,0.052795,straight
|
|
99
|
-
-0.081512,-1.054367,0.057022,1.059049331,0
|
|
102
|
+
-0.081512,-1.054367,0.057022,1.059049331,0,0.081512,straight
|
|
100
|
-
-0.220535,-1.044144,0.092484,1.071179569,0
|
|
103
|
+
-0.220535,-1.044144,0.092484,1.071179569,0,0.220535,straight
|
|
101
|
-
-0.313354,-0.99823,0.051025,1.047500555,1
|
|
102
|
-
-0.166382,-0.902069,0.076401,0.92046106,0
|
|
103
|
-
-0.411728,-1.007874,0.021545,1.088941749,1
|
|
104
|
-
-0.189758,-1.038223,0.084778,1.058821234,0
|
|
105
|
-
-0.344147,-1.023483,0.116943,1.086107856,1
|
|
106
|
-
-0.338577,-0.977509,0.06813,1.036725579,1
|
|
107
|
-
-0.259323,-1.003769,-0.056488,1.038263703,0
|
|
108
|
-
-0.381851,-0.953232,0.009369,1.026912465,1
|
|
109
|
-
-0.274139,-0.957489,-0.098862,1.00085517,0
|
|
110
|
-
-0.267242,-0.822067,0.042496,0.865458462,0
|
|
111
|
-
-0.425873,-0.942535,-0.102859,1.039384439,1
|
|
112
|
-
-0.432663,-0.962418,-0.0242,1.05547682,1
|
|
113
|
-
-0.377899,-1.112137,-0.183289,1.18880243,1
|
|
114
|
-
-0.653488,-0.946426,-0.014297,1.150205696,1
|
|
115
|
-
-0.469025,-1.198502,-0.002884,1.28701197,1
|
|
116
|
-
-0.214813,-1.12233,-0.088379,1.146115222,0
|
|
117
|
-
-0.372772,-1.120621,0.079895,1.183694893,1
|
|
118
|
-
-0.438629,-1.055878,-0.059448,1.144905156,1
|
|
119
|
-
-0.355606,-0.914886,0.088623,0.985558753,1
|
|
120
|
-
-0.383453,-0.909866,-0.148544,0.998477672,1
|
|
121
104
|
|
|
122
105
|
|
|
106
|
+
|
1
コードの参考にしたサイトを記載しました。
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -5,6 +5,8 @@
|
|
|
5
5
|
トレーニングセットが空というメッセージが出てきてしまいます。
|
|
6
6
|
機械学習は初めて触っており、分からないことばかりなので不十分な質問になってしまっていたら申し訳ございません。
|
|
7
7
|
なにかアドバイスを頂ければ幸いです。
|
|
8
|
+
|
|
9
|
+
|
|
8
10
|
|
|
9
11
|
### 実現したいこと
|
|
10
12
|
|
|
@@ -57,6 +59,9 @@
|
|
|
57
59
|
データの読み込み自体は成功しているため、選択したパラメータに問題があったのかと、変更してみましたがerrorは変わらず発生してしまい、手詰まりになってしまいました。
|
|
58
60
|
|
|
59
61
|
### 補足情報（FW/ツールのバージョンなど）
|
|
62
|
+
|
|
63
|
+
以下のサイトを参考にしており、元々使用しているデータと違う為必要の無いコードがある可能性があります。簡潔に書くことができず、申し訳ございません。
|
|
64
|
+
https://qiita.com/Hawaii/items/5831e667723b66b46fba
|
|
60
65
|
|
|
61
66
|
読み込んだデータは1002行5列の加速度データで線形となっており、文字数の関係上こちらに全文記載することはできませんが画像と、序盤の50行ほどを記載させて頂きます。
|
|
62
67
|
|
|
@@ -113,3 +118,5 @@
|
|
|
113
118
|
-0.438629,-1.055878,-0.059448,1.144905156,1
|
|
114
119
|
-0.355606,-0.914886,0.088623,0.985558753,1
|
|
115
120
|
-0.383453,-0.909866,-0.148544,0.998477672,1
|
|
121
|
+
|
|
122
|
+
|