Tensorflow（アイリス訓練データ）

scikite-learnでおなじみのアイリス訓練データをTensorflowを使って行います。

データ数：120、2行目の左からがく片長さ、がく片幅、花弁長さ、花弁幅、種類

種類：０はセトサ、１はバージカラー、２はバージニカ

120    4    setosa    versicolor    virginica 6.4  ,  2.8  ,  5.6    ,      2.2     ,       2     , 5.0  ,  2.3  ,  3.3    ,      1.0     ,       1     , 4.9  ,  2.5  ,  4.5    ,      1.7     ,       2     , 4.9  ,  3.1  ,  1.5    ,      0.1     ,       0     , 5.7  ,  3.8  ,  1.7    ,      0.3     ,       0     , 4.4  ,  3.2  ,  1.3    ,      0.2     ,       0     , 5.4  ,  3.4  ,  1.5    ,      0.4     ,       0     , 6.9  ,  3.1  ,  5.1    ,      2.3     ,       2     , 6.7  ,  3.1  ,  4.4    ,      1.4     ,       1     , 5.1  ,  3.7  ,  1.5    ,      0.4     ,       0     ,       ,        ,          ,               ,              , # python2系でもpython3系でも実行できるように from __future__ import absolute_import from __future__ import division, print_function, unicode_literals import os import urllib.request as urllib   import numpy as np import tensorflow as tf   # データセットの保存場所 IRIS_TRAINING = "iris_training.csv" IRIS_TRAINING_URL = "http://download.tensorflow.org/data/iris_training.csv"   IRIS_TEST = "iris_test.csv" IRIS_TEST_URL = "http://download.tensorflow.org/data/iris_test.csv"   def main():   # 訓練セットとテストセットがローカルフォルダに存在　　　　　しないならダウンロードする   if not os.path.exists(IRIS_TRAINING):     raw = urllib.urlopen(IRIS_TRAINING_URL).read()     f = open(IRIS_TRAINING, "w", encoding='cp932')     f.write(raw)     if not os.path.exists(IRIS_TEST):     raw = urllib.urlopen(IRIS_TEST_URL).read()     f = open(IRIS_TEST, "w", encoding='cp932')     f.write(raw)     # データセットを読み込む   training_set = tf.contrib.learn.datasets.base.load_csv_with_header(       filename=IRIS_TRAINING,       target_dtype=np.int,       features_dtype=np.float32)   test_set = tf.contrib.learn.datasets.base.load_csv_with_header(       filename=IRIS_TEST,       target_dtype=np.int,       features_dtype=np.float32)     # （がく、花弁）４つの特徴量の列   feature_columns = [tf.feature_column.numeric_column("x", shape=[4])]     # ニューロン数が 10, 20, 10個隠れ層、出力層3個の tf.estimator.DNNClassifier をインスタンス化する   classifier = tf.estimator.DNNClassifier(feature_columns=feature_columns,                                           hidden_units=[10, 20, 10],                                           n_classes=3,                                           model_dir="/tmp/iris_model")   # 訓練入力パイプラインを定義   train_input_fn = tf.estimator.inputs.numpy_input_fn(       x={"x": np.array(training_set.data)},       y=np.array(training_set.target),       num_epochs=None,       shuffle=True)   # DNNClassifier をアイリス訓練データにフィットさせる   # 訓練モデル   classifier.train(input_fn=train_input_fn, steps=2000)   # モデル精度を評価する   # テスト入力を定義   test_input_fn = tf.estimator.inputs.numpy_input_fn(       x={"x": np.array(test_set.data)},       y=np.array(test_set.target),       num_epochs=1,       shuffle=False)     # 精度を評価する   accuracy_score = classifier.evaluate(input_fn=test_input_fn)["accuracy"]     print("\nTest Accuracy: {0:f}\n".format(accuracy_score))     # 2つの花サンプルを分類する   new_samples = np.array(       [[6.4, 3.2, 4.5, 1.5],        [5.8, 3.1, 5.0, 1.7]], dtype=np.float32)   predict_input_fn = tf.estimator.inputs.numpy_input_fn(       x={"x": new_samples},       num_epochs=1,       shuffle=False)     predictions = list(classifier.predict(input_fn=predict_input_fn))   predicted_classes = [p["classes"] for p in predictions]     print(       "New Samples, Class Predictions:    {}\n"       .format(predicted_classes))   if __name__ == "__main__":     main() ＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝ Test Accuracy: 0.933333 New Samples, Class Predictions:    [array([b'1'], dtype=object), array([b'2'], dtype=object)] 正解率は93.3% 花サンプルはそれぞれ バージカラー バージニカ と分類されました。