【kaggle入門】予測結果のマイナスをゼロにする方法

【kaggle】予測結果のマイナス値をゼロにする方法

 

記事を書いた人

 

ヤエリ（@yaesuri_man）

 

kaggleをやっていると、予測結果のマイナス値をゼロにしたい時が出てきます。

例えば有名な問題「House Prices: Advanced Regression Techniques」。

 

 

住宅の価格を予測する問題ですので、モデルを回し、仮に予測結果がマイナスと出力されたら、その時点でそれは誤りです。

こんな時は出力された予測結果に直接手を加え、

• マイナスを予測結果の平均値に置き換える
• マイナスを予測結果の最小値に置き換える
• マイナスをゼロにする

等を行うと、精度が上がることがあります。

ここでは最も基本的な「マイナスをゼロにする」pythonコードの記載例を説明していきます。

 

一連の流れ（再掲）

 

以下のブログエントリーのコードを元に、上記の「マイナス値をゼロにする方法」を差し込んでいきます。

 

【kaggle入門】XGBoostによる最もシンプルな回帰モデル構築

続きを見る

 

コードを再掲すると、以下です。

 

# おやくそく（各種ライブラリの読み込み）

import numpy as np
import scipy as sp
import pandas as pd
from pandas import DataFrame, Series

import category_encoders as ce

import xgboost as xgb
from sklearn.model_selection import GridSearchCV


# データの読み込み

df_train = pd.read_csv('../input/train.csv', index_col=0)
df_test = pd.read_csv('../input/test.csv', index_col=0)


# 学習データの分離

y_train = df_train.ターゲット変数
x_train = df_train.drop(['ターゲット変数'], axis=1)
x_test = df_test


# 文字列のエンコード

cats = []
for col in x_train.columns:
    if x_train[col].dtype == 'object':
        cats.append(col)

oe = ce.OrdinalEncoder(cols=cats, return_df=False)

x_train[cats] = oe.fit_transform(x_train[cats])
x_test[cats] = oe.transform(x_test[cats])


# 欠損値の補完

x_train=x_train.fillna(x_train.median())
x_test=x_test.fillna(x_test.median())


# モデリング

xgb_model = xgb.XGBRegressor()
reg_xgb = GridSearchCV(xgb_model,
                   {'max_depth': [2,4,6],
                    'n_estimators': [50,100,200]}, verbose=1)
reg_xgb.fit(x_train, y_train)


# 予測

pred = pd.DataFrame( {'XGB': reg_xgb.predict(x_test)})


# 投稿用csvの生成

submissionfile = pd.read_csv('../input/sample_submission.csv', index_col=0)
submissionfile['ターゲット変数'] = pred
submissionfile.to_csv('./submissionfile.csv')

 

記入すべき場所は、最下部の「# 予測」と「# 投稿用csvの生成」の間です。

予測結果に直接手を下して、マイナスの値をゼロに変換しようとしています。

 

マイナス値をゼロにする方法

 

具体的なコードの記載例はこちら。

 

# 予測結果がマイナスの値をゼロにする

pred[pred < 0] = 0

 

これだけです。

「pred」は、XGBoostで予測した結果が入っているデータフレームです。

「predの値が0より小さい場合は、ゼロにする」という意味になります。

 

【kaggle】予測結果のマイナス値をゼロにする方法まとめ

 

というわけで、上記のまとめです。

 

# おやくそく（各種ライブラリの読み込み）

import numpy as np
import scipy as sp
import pandas as pd
from pandas import DataFrame, Series

import category_encoders as ce

import xgboost as xgb
from sklearn.model_selection import GridSearchCV


# データの読み込み

df_train = pd.read_csv('../input/train.csv', index_col=0)
df_test = pd.read_csv('../input/test.csv', index_col=0)


# 学習データの分離

y_train = df_train.ターゲット変数
x_train = df_train.drop(['ターゲット変数'], axis=1)
x_test = df_test


# 文字列のエンコード

cats = []
for col in x_train.columns:
    if x_train[col].dtype == 'object':
        cats.append(col)

oe = ce.OrdinalEncoder(cols=cats, return_df=False)

x_train[cats] = oe.fit_transform(x_train[cats])
x_test[cats] = oe.transform(x_test[cats])


# 欠損値の補完

x_train=x_train.fillna(x_train.median())
x_test=x_test.fillna(x_test.median())


# モデリング

xgb_model = xgb.XGBRegressor()
reg_xgb = GridSearchCV(xgb_model,
                   {'max_depth': [2,4,6],
                    'n_estimators': [50,100,200]}, verbose=1)
reg_xgb.fit(x_train, y_train)


# 予測

pred = pd.DataFrame( {'XGB': reg_xgb.predict(x_test)})


# 予測結果がマイナスの値をゼロにする

pred[pred < 0] = 0


# 投稿用csvの生成

submissionfile = pd.read_csv('../input/sample_submission.csv', index_col=0)
submissionfile['ターゲット変数'] = pred
submissionfile.to_csv('./submissionfile.csv')

 

その他、pythonやkaggle、AI・機械学習といった記事のまとめはこちらです。

プログラミング関連の記事まとめ

続きを見る

ここからは、実際に私が購入し、おすすめできると思った本やオンラインスクールを紹介します。

 

機械学習のための「前処理」入門

---

 

まずはこちら。「機械学習のための『前処理』入門」です。

• これから機械学習を始めてみたい
• kaggleやSIGNATEにチャレンジしてみたい

という方には最適な本で、個人的には一番のおすすめです。

 

データモデルの精度向上には特徴量エンジニアリングが不可欠、というよりこれが全てと言っても過言ではありません。

各種環境準備の方法やコーディングの詳細に至るまで、誰にでも分かりやすく書かれています。

この一冊さえあれば、とりあえずkaggleにトライすることができます。

 

 

Udemy「みんなのAI講座 ゼロからPythonで学ぶ人工知能と機械学習」

---

 

ベネッセが主催する、プログラミング未経験者を対象にしたコース。

数学や統計的な知識はそこそこに、文字通り人工知能と機械学習をゼロから学習できます。

受講生2万人以上、4千人以上の評価者から、5段階中4.0の評価を得ている、万人におすすめできる優良講座。

定価15,000円と高価ですが、90%OFFといったキャンペーンを頻繁に行っていますので、それを狙うのがおすすめ。

Udemy │ みんなのAI講座 ゼロからPythonで学ぶ人工知能と機械学習

• Udemy公式サイトでセールを確認

 

人工知能は人間を超えるか

---

 

pythonのコーディングからは離れますが、もしこの本を読んでいない人がいたら必ず一度は目を通しておいた方が良いです。

 

この界隈では有名な、東大の松尾豊先生の著書「人工知能は人間を超えるか」。

 

いわゆるAI・人工知能、機械学習といった昨今のキーワードを中心に、過去の歴史からここ最近の動き、今後の動向に至るまでを、平易な表現で丁寧に解説されています。

 

また日本ディープラーニング協会が開催する「ディープラーニング ジェネラリスト検定（通称：G検定）」の推薦図書の一つでもあります。

 

全てのビジネスマンにおすすめできる一冊。中古でもkindleでも構いませんので、これだけは目を通しておいた方が良いです。