kaggleのTitanicコンペでAutoKerasを使ってAutoMLやってみる

はじめに

こちらの記事はZennで投稿した「kaggleのTitanicコンペでAutoKerasを使ってAutoMLやってみる」の再投稿になります。

普段kaggleでは、Kerasを使うことが多いのですが、AutoKerasというのがあるのを知ったので、kaggleのTitanicコンペで使ってみたいと思います。

AutoMLとは

まずそもそもAutoMLというのは、データの前処理やモデルの学習・検証などを自動化することを指します。 AutoKerasのようなAutoMLのツールを使うことで、簡単に機械学習モデルを構築することができます。

AutoKerasとは

AutoKerasは、Kerasを基にしたAutoMLライブラリです。 数行のコードでKerasを使った機械学習モデルを構築することができます。

できること

AutoKerasでは以下のデータでそれぞれ分類・回帰問題を扱えます。

• 画像データ
• テキストデータ
• 構造化データ

Titanicコンペで使ってみる

実際に構造化データであるTitanicコンペのデータを使って、AutoKerasを利用していきます。

インストール

まずはインストールします。

1!pip install autokeras

ライブラリのインポート

AutoKerasを含めた必要なライブラリのインポートをします。

1import numpy as np
2import pandas as pd
3import autokeras as ak

データ準備

データを読み込み、特徴量と目的変数に分けます。

1train = pd.read_csv('../input/titanic/train.csv')
2test = pd.read_csv('../input/titanic/test.csv')
3
4X = train.iloc[:, 2:].values
5y = train.iloc[:, 1].values
6X_test = test.iloc[:, 1:].values

AutoKerasを使う

AutoKerasを使っていきます。 2行でデータの前処理と学習ができます。

1clf = ak.StructuredDataClassifier(overwrite=True, max_trials=3)
2clf.fit(X, y, epochs=10)

テストデータで予測

AutoKerasで学習したモデルでテストデータを予測していきます。

1submission = pd.DataFrame()
2submission["PassengerId"] = test["PassengerId"]
3
4pred = clf.predict(X_test)
5submission["Survived"] = pred.astype('int8')
6submission.to_csv("submission.csv", index=False)

予測した結果のスコアは0.77272でした。

まとめ

• AutoKerasでデータの前処理と学習を簡単にできる

kaggleのKernelも作成しました。

Titanic: AutoML by AutoKeras

Explore and run machine learning code with Kaggle Notebooks | Using data from Titanic - Machine Learning from Disaster

参考

• AutoKeras
• 自動 ML とは AutoML - Azure Machine Learning | Microsoft Docs

Support

\ この記事が役に立ったと思ったら、サポートお願いします！ /