HOME >> Pythonをさわってみよう > 手書き数字の自動認識 学習と予測
機械学習の実感をつかむため、教本のChapter5 「手書きの文字を認識しよう」に挑戦し、手書き数字の自動認識に取り組んでいます。先回は、その前処理としての画像処理についてまとめてましたが、今回は学習と予測についてまとめました。
■ 手書き数字の自動認識の概要
先回の復習として、自分なりに理解した処理の概要についてイラストにまとめてみました。開いている教本は、以前に紹介した
です。
紹介されている方法は、教師あり学習によって作成された学習モデルを使っての予測方法です。その学習データは、カリフォルニア大学アーバイン校 ( UCI )で作成され配布された手書きの数字データセットを使用しています。このデータセットは、約1,800件の手書き画像から画像処理した特徴行列データと、その正解データをセットにしたものです。そして、このデータを使って機械学習したモデルによて、予測したい数字画像を文字(数字)認識させようとする仕組みなのです。
.
■ 処理の流れ
処理の流れは、上図のイラストに示すように、
今回は、ややこしかった前処理部分以外の部分について見ていくことにします。
■ 学習ずみのモデルの作成
最初に、上記イラストの上半分のフローを見てみましょう。
● UCIの手書きの数字データセットを読み込む
Python の機械学習ライブラリーである scikit-learn には、多くのアルゴリズムやデータセットが用意されているそうです。そこで、手書き数字の自動認識に必要なデータセットだけを取り込みます。
● 寄り道
ライブラリーである scikit-learn のファイルは、自分のパソコンにどのように納められているのか探してみました。すると、
C:\Users\………\env\Lib\site-packages\sklearn\datasets\data の中に digits.csv.gz (57KB) として収められていました。
意外と小さなファイルでした。そして、この圧縮ファイルを解凍すると、digits.csv (259KB) のCSVファイルとなりました。その中身を下に示します。データセットのまさに数値データの羅列でした。
そして、ラベルデータは? と探しましたが見つけられなかったの諦めました。 でも上のデータを見ていると、各行の最後の数字が、行列表示の値と異なっているので、この数字が正解のデータであるラベルデータではないかと推察します。
また、scikit-learn と sklearn の関係がよくわからなかったので、フォルダ scikit_learn-1.3.0.dist-info の中を覗くと、その top_level.txt ファイル内には、ただ一言 sklearn と書いてあるだけでした。なんだかよくわかりませんが、短縮名と言うことで理解しておきましょう。
● モデルに手書きデータを学習させる
scikit-learn に用意されている LogisticRegression と言う名前のロジスティックス回帰アルゴリズムが用意されているので、これを活用します。そして、このアルゴリズムを使って学習ずみモデルを作成します。
■ 前処理された画像データを特徴ベクトルに変換
学習したモデルが用意できたので、予測作業の流れを見てみましょう。手書きされた画像を認識させるためには、学習した教師データと同じファーマットにする必要があります。そこで、先回報告したように、画像の前処理を実施します。そして、その画像を機械学習が実行できるように特徴行列に変換します。
● Image オブジェクトから1次元の ndarray に変換する
先回、最終加工した画像の im_inverted を asarray() 関数を使って2次元の ndarry に変換します。これをさらに、1次元の ndarry に変換します。
● 値の数値を0〜16に変換する
最後に教師データと合わせるために、白黒データを0〜16の値に変換します。
■ 最後のステップ、予測させる
そして、抽出した特徴ベクトル X_multiplied を、手書き文字を学習させたモデル clf にて渡して、手書き文字を予測させます。この時、モデルの predict() メソッドをしようする。
■ まとめ
.
実質的に予測を実施したコマンドは、最後の簡単な命令の1行でした。
***********************************************************
自分が一番知りたかった予測・判定のロジックは、完全にブラックボックスとなっていました。でも、そのロジックは公開されているので、調べればよいのですが、小生のレベルでは、その中身を理解することは到底無理であろうと推察します。
でも、先日本屋さんで「Python 3年生 機械学習のしくみ」なる本を目にしたので、思わず買ってしまいました。ロジスティックス回帰について解説されていましたので、こちらも覗いてみることにします。出来たら、その他のアルゴリズムも手を伸ばしてみよう。
***********************************************************
次なるテーマとして、
などを考えています。でも、テーマが「鉄道模型」からどんどん離れていっていますが・・・・・・・・・。