/
predict.py
128 lines (109 loc) · 4.36 KB
/
predict.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
#!usr/bin/python3
# -*- coding: utf-8 -*-
#----------------------------------------
# name: predict
# purpose: 雲海出現を予測する。学習成果の検証用スクリプト。
# author: Katsuhiro MORISHITA, 森下功啓
# created: 2015-08-08
# lisence: MIT
#----------------------------------------
import pandas
import pickle
import datetime
import numpy as np
import feature
import machine as mc
def predict(clf, date_list, feature_generator, save=False):
""" 引数で渡された日付の特徴量を作成して、渡された学習済みの学習器に入力して識別結果を返す
argvs:
clf: 機械学習器
date_list: 処理対象日が格納されたリスト
feature_generator: 特徴ベクトル生成器（日付を渡すと特徴ベクトルを作成するオブジェクト）
"""
results = {}
for _date in date_list:
#print(_date)
_feature = feature_generator.get_feature(_date)
#print(_feature)
if _feature != None:
if not None in _feature: # Noneを渡すとエラーが帰るので対策
test = clf.predict(_feature)
results[_date] = test[0]
print(_date, test)
else: # 推定ができなくても、ファイルに書き出すことで正解との比較がやりやすい
print("--feature has None!--")
print(_feature)
results[_date] = None
else:
print("--feature is None!--") # 殆ど無いんだが、一応対応
results[_date] = None
# 予測結果を保存
if save:
dates = sorted(results.keys())
with open("result_temp.csv", "w") as fw:
for date in dates:
predict_result = results[date]
for _ in range(1): # 複数行出力できるようにしている
fw.write(str(date))
fw.write(",")
fw.write(str(predict_result))
fw.write("\n")
return results
def predict2(clf, date_list, features_dict, save=False, feature_display=True):
""" 引数で渡された日付の特徴量を作成して、渡された学習済みの学習器に入力して識別結果を返す
一度得直ベクトルを作成して、異なる学習器で何度も識別を行う場合に便利です。
argvs:
clf: 機械学習器
date_list: 処理対象日が格納されたリスト
feature_dict: 日付をキーとして特徴ベクトルが格納された辞書
"""
results = {}
for _date in date_list:
#print(_date)
date, _feature, label = features_dict[_date]
#print(_feature)
if not _feature is None:
_feature = np.array(_feature) # リストをnumpyのarray型へ変換
_feature = np.array([_feature, ])
if feature_display: # 特徴ベクトルの検討中は表示させたがいいかも
print(_feature)
test = clf.predict(_feature)
results[_date] = test[0]
print(_date, test)
else:
print("--feature is None!--") # 殆ど無いんだが、一応対応
results[_date] = None
# 予測結果を保存
if save:
dates = sorted(results.keys())
with open("result_temp.csv", "w") as fw:
for date in dates:
predict_result = results[date]
for _ in range(1): # 複数行出力できるようにしている
fw.write(str(date))
fw.write(",")
fw.write(str(predict_result))
fw.write("\n")
return results
def date_range(date_start, date_end):
""" 指定された範囲の日付のリストを作成する
"""
ans = []
_date = date_start
while _date <= date_end:
ans.append(_date)
_date += datetime.timedelta(days=1)
return ans
def main():
# 機械学習オブジェクトを生成（復元）
clf = mc.load(mc.default_path)
# 特徴生成オブジェクト作成
fg_obj = feature.feature_generator(23)
predict(
clf,
date_range(datetime.datetime(2015, 6, 23), datetime.datetime(2015, 10, 24)),
fg_obj,
True
)
if __name__ == '__main__':
main()