scikit_learn 
 日本語を使用 
 ファイルアクセス 
  sampleなどはCentOS7で実施
$ python3
$ python3 xxxx.py

 scikit_learn
 ・学習例1 　　　　$ python3 　　　　Python 3.6.8 (default, Aug 7 2019, 17:28:10) 　　　　[GCC 4.8.5 20150623 (Red Hat 4.8.5-39)] on linux 　　　　Type "help", "copyright", "credits" or "license" for more information. 　　　　>>> from sklearn import svm    # SVM（サポートベクターマシン）インポート 　　　　>>> from sklearn.metrics import accuracy_score    # 精度を出力 　　　　>>> train_data = [[0, 0], [1, 0], [0, 1], [1, 1]]    # 学習データ（教師データ） 　　　　>>> train_label = [0, 1, 1, 0]    # 正解ラベル（教師データ） 　　　　>>> test_data = [[0, 0], [1, 0], [0, 1], [1, 1]]    # テストデータ（学習データと同じ多重リスト） 　　　　>>> clf = svm.SVC(C=10, gamma=0.1)    # アルゴリズム指定 　　　　>>> clf.fit(train_data,train_label)    # 学習実行 　　　　SVC(C=10, break_ties=False, cache_size=200, class_weight=None, coef0=0.0, 　　　　 decision_function_shape='ovr', degree=3, gamma=0.1, kernel='rbf', 　　　　 max_iter=-1, probability=False, random_state=None, shrinking=True, 　　　　 tol=0.001, verbose=False) 　　　　>>> test_label = clf.predict(test_data)    # 　　　　>>> print("テストデータ：{0},予測ラベル：{1}".format(test_data,test_label))    # 　　　　テストデータ：[[0, 0], [1, 0], [0, 1], [1, 1]],予測ラベル：[0 1 1 0] 　　　　>>> print("正解率= {}".format(accuracy_score([0, 1, 1, 0], test_label)))    # 　　　　正解率= 1.0 　　　　>>> 　　　　テストデータに対して学習済みモデルが正しく[0, 1, 1, 0]と判定できるかを確認
 日本語を使用
#!/usr/bin/env python3
# -*- coding: utf-8 -*-    # このソースがUTF-8で書かれている。
import re    # 正規表現操作（参考）
import codecs    # codec 用の基底クラスを定義
import sys

 ファイルアクセス
 ・$ python3 xxxx.py #!/usr/bin/env python3 import os import pathlib import glob import pandas as pd import numpy as np import matplotlib.pyplot as plt #from sklearn.linear_model import LinearRegression from sklearn import linear_model pd.set_option("display.max.columns", 100) pd.set_option("display.max.rows", 100) current_dir = os.getcwd() print("現在のディレクトリ=", current_dir) csv_gakusyu01 = pd.read_csv(filepath_or_buffer="./gakusyuData/kg01.csv",sep=",", header=0) print("csv_gakusyu01.shape->", csv_gakusyu01.shape) pd_gakusyu01 = csv_gakusyu01.drop(["Kekka"], axis=1) X_train = pd_gakusyu01.values y_train = csv_gakusyu01["Kekka"].values # learn clf = linear_model.Lasso() clf.fit(X_train, y_train) print("column,clf.coef_=", pd.DataFrame({"column": pd_gakusyu01.columns, "coef": clf.coef_})) print("clf.intercept_=", clf.intercept_) # test files = glob.glob('./testData/*') for file in files: #print(file) csv_test01 = pd.read_csv(filepath_or_buffer=file, sep=",", header=0) path = pathlib.Path(file) fileName = path.stem # 結果書き込み用 print(fileName) pd_test01 = csv_test01.drop(["Kekka"], axis=1) X_test = pd_test01.values #y_test = csv_test01["Kekka"].values #print(y_test) # predict predict = clf.predict(X_test) print(predict) #print(y_test) df = pd.DataFrame(predict) # DataFrameに print(df) df.to_csv("./testKekkaData/" + fileName) else: print('forEnd') print("End")