中島_backup の履歴(No.22)

B3 前期授業スケジュール

	月曜日	火曜日	水曜日	木曜日	金曜日
1-2					研究会
3-4		卒論1			研究会
5-6	卒論1	ディジタル信号処理	卒論1	卒論1
7-8					技術者倫理
9-10		研究会		&size(px){Text you want to change};
11-12

&ref(): File not found: "ダッシュストーム.jpg" at page "中島"; &ref(): File not found: "ダッシュストーム.jpg" at page "中島"; &ref(): File not found: "ダッシュストーム.jpg" at page "中島"; &ref(): File not found: "ダッシュストーム.jpg" at page "中島"; &ref(): File not found: "ダッシュストーム.jpg" at page "中島"; &ref(): File not found: "ダッシュストーム.jpg" at page "中島";

&ref(): File not found: "栗松.jpg" at page "中島"; &ref(): File not found: "栗松.jpg" at page "中島"; &ref(): File not found: "栗松.jpg" at page "中島"; &ref(): File not found: "栗松.jpg" at page "中島"; &ref(): File not found: "栗松.jpg" at page "中島"; &ref(): File not found: "栗松.jpg" at page "中島";

メモ

やること

from sklearn.linear_model import ElasticNet
from sklearn.model_selection import GridSearchCV
from sklearn.datasets import make_regression
import numpy as np
import pandas as pd
from sklearn.preprocessing import StandardScaler
from sklearn.model_selection import train_test_split

# CSVファイルのパスを指定してください
file_path = "C:/Users/nt011/Desktop/研究/富山取引のほう富山市のみ/変数選択/変数作成後新.csv"

# CSVファイルの読み込み
df = pd.read_csv(file_path, encoding='cp932')  # 文字コードが異なる場合は、'utf-8' を他のエンコーディングに変更してください

# 特徴量とターゲットの分割
X = df.drop(columns=['取引価格（㎡単価）'])  # 取引価格（㎡単価）をyとして分離
y = df['取引価格（㎡単価）']  # ターゲット変数

# 🔥 標準化の実施
scaler_X = StandardScaler()
scaler_y = StandardScaler()

X_scaled = scaler_X.fit_transform(X)  # Xの標準化
y_scaled = scaler_y.fit_transform(y.values.reshape(-1, 1)).ravel()  # yの標準化

# データ分割
X_train, X_test, y_train, y_test = train_test_split(X_scaled, y_scaled, test_size=0.2, random_state=42)

# 訓練データの一部を使用
X_sample, _, y_sample, _ = train_test_split(X_train, y_train, test_size=0.8, random_state=42)

# 2. パラメータグリッドの設定
param_grid = {
    'alpha': np.logspace(-5, 0, 10),  # alpha1の探索範囲 (正則化パラメータ)
    'l1_ratio': np.linspace(0.0001, 1.0, 10)  # l1_ratio1の探索範囲 (L1とL2の比率)
}

# パラメータ名を変更（alpha -> alpha1, l1_ratio -> l1_ratio1）
param_grid = {'alpha1': param_grid['alpha'], 'l1_ratio1': param_grid['l1_ratio']}

# 3. ElasticNetモデルの初期化
elastic_net = ElasticNet(max_iter=10000, random_state=42)

# 4. グリッドサーチCVの設定
grid_search = GridSearchCV(
    estimator=elastic_net,
    param_grid={'alpha': param_grid['alpha1'], 'l1_ratio': param_grid['l1_ratio1']},  # 変更した名前に対応
    cv=5,  # 5分割交差検証
    scoring='neg_mean_squared_error',  # 評価指標: 平均二乗誤差の負値
    verbose=1,
    n_jobs=-1  # 並列実行
)

# 5. グリッドサーチの実行
grid_search.fit(X_sample, y_sample)

# 6. 最適なパラメータとスコアの取得
best_params = grid_search.best_params_
best_params_renamed = {'alpha1': best_params['alpha'], 'l1_ratio1': best_params['l1_ratio']}
best_score = grid_search.best_score_

print("最適なパラメータ:")
print(best_params_renamed)
print("最良のスコア (平均二乗誤差の負値):")
print(best_score)

研究会(中島)

専門ゼミ(中島)

引き継ぎ(中島)

メモ(中島)

中間発表(中島)

中間発表システムまとめ(中島)

本論(中島)

B3 前期授業スケジュール