【成功の秘訣】モデルの選定手順と方法を解説（コピペで使えるPythonサンプルコード付き）

from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier
from sklearn import tree
import matplotlib.pyplot as plt

# データセットのロード
iris = load_iris()
X, y = iris.data, iris.target

# 決定木モデルの訓練
clf = DecisionTreeClassifier()
clf = clf.fit(X, y)

# 決定木のプロット
plt.figure(figsize=(20,10))
tree.plot_tree(clf, filled=True, feature_names=iris.feature_names, class_names=iris.target_names)
plt.show()

import pandas as pd
import statsmodels.api as sm

def multiple_linear_regression(df, target_column, feature_columns):
    """
    複数の特徴量を使用して重回帰分析を行う関数

    Parameters:
    df (pd.DataFrame): データフレーム
    target_column (str): 目的変数のカラム名
    feature_columns (list of str): 特徴量として使用するカラム名のリスト

    Returns:
    None: モデルのサマリーを表示
    """
    # 特徴量と目的変数を分割
    X = df[feature_columns]
    y = df[target_column]

    # 無限大と欠損値をチェックして取り除く
    X = X.replace([float('inf'), float('-inf')], pd.NA).dropna()
    y = y.loc[X.index]  # Xの欠損値に対応するyの値も取り除く

    # 定数項を追加
    X = sm.add_constant(X)

    # 最小二乗法でモデルを適合
    model = sm.OLS(y, X).fit()

    # モデルのサマリーを表示
    # Print the summary of the regression model
    print(model.summary())

df = pd.read_csv("o:/sample.csv")

# 関数を呼び出して重回帰分析を実行
multiple_linear_regression(df, 'data12', df.columns[:5])

import networkx as nx
import matplotlib.pyplot as plt

def draw_weighted_graph_from_edges(edges, node_color="lightblue", edge_color="gray", seed=42):
    """
    指定されたエッジのリストから重み付きのグラフを描画する関数。

    引数:
    edges (list of tuples): グラフのエッジを表すタプルのリスト。各タプルは2つのノードを持つ。
    node_color (str): ノードの色。デフォルトは "lightblue"。
    edge_color (str): エッジの色。デフォルトは "gray"。
    seed (int): レイアウトのランダムシード。デフォルトは 42。

    処理手順:
    1. NetworkXグラフ `G` を初期化。
    2. エッジのリストからエッジをグラフに追加。
    3. 各エッジの出現回数をカウントし、エッジの重みを計算。
    4. ノードの色とサイズを設定。
    5. `spring_layout` に基づいてノードの位置を設定。
    6. エッジの重みに基づいてエッジの太さを計算。
    7. グラフを描画し、エッジの重みをラベルとして表示。
    """

    # グラフの初期化
    G = nx.Graph()

    # エッジの追加
    for edge in edges:
        G.add_edge(*edge)

    # エッジのカウント
    edge_counts = {}
    total = 0

    for edge in edges:
        total += 1
        if edge in edge_counts:
            edge_counts[edge] += 1
        else:
            edge_counts[edge] = 1

    # エッジの重みの計算
    edge_weights = {edge: round(count, 1) for edge, count in edge_counts.items()}

    # ノードの色を設定
    node_colors = [node_color] * len(G.nodes())

    # ノードのサイズを設定
    node_sizes = [700] * len(G.nodes())

    # グラフの描画
    pos = nx.spring_layout(G, seed=seed)  # ノードの位置を設定
    width = [10 * edge_weights[edge] / total for edge in G.edges()]  # エッジの太さを計算

    nx.draw(G, pos=pos, with_labels=True, font_family='MS Gothic',
            node_size=node_sizes, width=width,
            node_color=node_colors, edge_color=edge_color)

    # エッジの重みを表示
    nx.draw_networkx_edge_labels(G, pos, edge_labels=edge_weights)

    # 描画の表示
    plt.show()

# エッジのリスト
edges = [('操作A', '操作B'), ('操作B', '操作C'), ('操作C', '操作D'), ('操作A', '操作B'), ('操作B', '操作C'), ('操作A', '操作B'), ('操作B', '操作D'),('操作A', '操作B'),('操作B', '操作D')]

# グラフの描画
draw_weighted_graph_from_edges(edges)