2019年7月20日土曜日

開発環境

はじめての機械学習 (小高知宏(著)、オーム社)の第2章(パラメーター調整による学習)、2.2(パラメーター調整による時系列データの学習)、2.2.2(時系列データの変動傾向の学習)、機械学習プログラムをC言語ではなくPythonで取り組んでみる。

コード

Python 3

sample_data.py

#!/usr/bin/env python3
import random

with open('sample_data.txt', 'w') as f:
    for _ in range(25):
        print(15 + random.random(), file=f)

ml1.py

#!/usr/bin/env python3
import sys
from typing import Union

last1 = ''
last2 = ''
last3 = ''
kb = {f'{i}{j}{k}': 0
      for i in '+-'
      for j in '+-'
      for k in '+-'}


def learning(last1: str, last2: str, last3: str) -> None:
    if last1 != '' and last2 != '' and last3 != '':
        kb[f'{last1}{last2}{last3}'] += 1


def predication(last1: str, last2: str, last3: str) -> None:
    if last1 == '' or last2 == '':
        print('データ不足')
    elif kb[f'{last1}{last2}+'] >= kb[f'{last1}{last2}-']:
        print('+')
    else:
        print('-')


for line in sys.stdin:
    pm = line.strip()
    if pm in ['+', '-']:
        last3 = last2
        last2 = last1
        last1 = pm
    else:
        print(f'無効な入力: {pm}')
        break
    learning(last1, last2, last3)
    predication(last1, last2, last3)

print('学習結果')
for k, v in kb.items():
    print(f'{k}: {v}')

入出力結果(Bash、cmd.exe(コマンドプロンプト)、Terminal、Jupyter(IPython))

$ ./sample_data.py
$ cat sample_data.txt 
15.403276380639113
15.480095489860913
15.657186724719718
15.218552004527233
15.23506391765869
15.11552784587029
15.090900085916758
15.331499245208228
15.235475060757516
15.600910225201774
15.919085816718162
15.22643657925234
15.728078822760192
15.877755900796462
15.090088226905245
15.184713621911973
15.064473587832868
15.71182779504552
15.702352209069705
15.749378900691404
15.113322840276908
15.156068823237481
15.543606574552758
15.364495306008578
15.428508507808928
$ ./updown.py < sample_data.txt > sample_pm.txt
$ cat sample_pm.txt 
+
+
-
+
-
-
+
-
+
+
-
+
+
-
+
-
+
-
+
-
+
+
-
+
$ ./ml1.py < sample_pm.txt 
データ不足
+
+
+
+
+
+
-
+
-
+
+
-
+
+
+
+
-
+
-
+
-
-
+
学習結果
+++: 0
++-: 3
+-+: 8
+--: 1
-++: 4
-+-: 5
--+: 1
---: 0
$ 

0 コメント:

コメントを投稿

関連コンテンツ