lightGBMの一番カンタンなデータ(テストの点数から、合否を予測)で機械学習してみた。

タイタニック号ですらややこしいので、めっちゃシンプルな機械学習モデルをpythonで書いてみた。入力=点数、出力=合否で、点数から合格点を推測する！

from sklearn.model_selection import train_test_split
import lightgbm as lgb
from sklearn.metrics import accuracy_score

 
#乱数で、点数と合否の配列を生成
l = list()
for num in range(1000):
    score = random.randint(0, 100) # 点数
    result = 1 if score >= 60 else 0 # 60点以上で合格(1)
    l.append([score, result])
 
# pandasでデータフレーム化
df = pd.DataFrame(
    columns=["score", "result"],
    data=l    
)
 
X = df["score"].values # 説明変数X(テストの点数)
y = df["result"].values # 目標変数y(合格=1)
 
# 学習データとテストデータ(20%)に分離する。
X_train, X_test, y_train, y_test = train_test_split(
  X,
  y,
  test_size=0.2,
  shuffle=False,
)
# パラメータ(説明変数)は複数が基本なので、2次元配列にする
# [1,2,3] => [[1],[2],[3]]
X_train = np.array(X_train).reshape(-1,1) 
X_test = np.array(X_test).reshape(-1,1)

# LightGBM(Gradient Boosting Machine)モデルを生成。
clf = lgb.LGBMRegressor()
 
# 80％学習データから、合格を予測する機械学習モデルを作る
clf.fit(
  X_train,
  y_train,
)
# 残り20%をテストデータとして、点数から合格・不合格を予測する
y_pred = clf.predict(X_test)
 
# テストデータの正解(y_test)と答え合わせして、どのくらい予測が当たっていたか検証する。
# y_pred > 0.5で、1だけ(合格)検証している。one-hot方式(0/1だから片方だけでOK)
print(accuracy_score(y_test, y_pred > 0.5))
# 100%当たっている。

from sklearn.model_selection import train_test_split

import lightgbm as lgb

from sklearn.metrics import accuracy_score

#乱数で、点数と合否の配列を生成

l = list()

for num in range(1000):

score = random.randint(0, 100) # 点数

result = 1 if score >= 60 else 0 # 60点以上で合格(1)

l.append([score, result])

# pandasでデータフレーム化

df = pd.DataFrame(

columns=["score", "result"],

data=l

)

X = df["score"].values # 説明変数X(テストの点数)

y = df["result"].values # 目標変数y(合格=1)

# 学習データとテストデータ(20%)に分離する。

X_train, X_test, y_train, y_test = train_test_split(

test_size=0.2,

shuffle=False,

)

# パラメータ(説明変数)は複数が基本なので、2次元配列にする

# [1,2,3] => [[1],[2],[3]]

X_train = np.array(X_train).reshape(-1,1)

X_test = np.array(X_test).reshape(-1,1)

# LightGBM(Gradient Boosting Machine)モデルを生成。

clf = lgb.LGBMRegressor()

# 80％学習データから、合格を予測する機械学習モデルを作る

clf.fit(

X_train,

y_train,

)

# 残り20%をテストデータとして、点数から合格・不合格を予測する

y_pred = clf.predict(X_test)

# テストデータの正解(y_test)と答え合わせして、どのくらい予測が当たっていたか検証する。

# y_pred > 0.5で、1だけ(合格)検証している。one-hot方式(0/1だから片方だけでOK)

print(accuracy_score(y_test, y_pred > 0.5))

# 100%当たっている。

関連記事