def main(): # 気象データの読み込み raw_data = feature.read_raw_data() # 処理の対象期間（過去のデータに加えて、最新の観測データも加えるので、タプルで期間を指定する） terms = [(dt(2004, 2, 18), dt(2013, 9, 3)), (dt(2015, 6, 23), dt(2016, 1, 4))] # 特徴ベクトルを作成する関数 feature_func = feature.create_feature16 # 特徴ベクトルを作成して保存 tc = teacher_creator(raw_data, feature_func, terms) tc.save_teacher()
def main():
# 機械学習オブジェクトを生成
clf = RandomForestRegressor()
with open('entry_temp.pickle', 'rb') as f:# 学習成果を読み出す
clf = pickle.load(f) # オブジェクト復元
# 気象データの読み込み
raw_data = feature.read_raw_data()
predict(\
clf, \
date_range(datetime.datetime(2015, 6, 23), datetime.datetime(2015, 10, 24)), \
feature.create_feature23, \
raw_data, \
True)
def main_process(target_time, target_dir): """ 外部からの呼び出しを意識している。 """ # 特徴ベクトルの生成に必要なデータ（例：アメダスの観測データ）を読みだす raw_data = feature.read_raw_data() # 処理対象の制限（処理時間の短縮になるかも） terms = [(dt(2011, 6, 24), dt(2013, 6, 23)), (dt(2015, 6, 23), dt(2016, 1, 16))] # 引数に合わせて使う特徴ベクトル生成関数を変えて、検証する report_paths = [] if target_time == "16": # feature_func = feature.create_feature16 _path = sub_process(target_time, target_dir, feature_func, raw_data, terms) report_paths.append(_path) elif target_time == "23": feature_func = feature.create_feature23 sub_process(target_time, target_dir, feature_func, raw_data, terms) report_paths.append(_path) return report_paths
def main():
# 引数の処理
try_times = 100 # 保存するファイル名にタグを付けることができる
argvs = sys.argv # コマンドライン引数を格納したリストの取得
print(argvs)
argc = len(argvs) # 引数の個数
if argc > 1:
try_times = int(argvs[1])
# 特徴ベクトルの生成に必要なデータ（例：アメダスの観測データ）を読みだす
raw_data = feature.read_raw_data()
# 教師データ作成の準備
terms = [(dt(2004, 2, 18), dt(2013, 9, 3)), (dt(2015, 6, 23), dt(2015, 11, 30))]
#terms = [(dt(2015, 6, 23), dt(2015, 11, 30))]
_save_flag = False # 検証用にファイルを残したいなら、Trueとする
feature_func = feature.create_feature16
tc = create_learning_data.teacher_creator(raw_data, feature_func, terms, "unkai_date.csv") # 一度メモリ内に教師データを作成するが、時間がかかる。
process("_f16", tc, feature_func, save_flag=_save_flag, try_times=try_times)
feature_func = feature.create_feature23
tc = create_learning_data.teacher_creator(raw_data, feature_func, terms, "unkai_date.csv")
process("_f23", tc, feature_func, save_flag=_save_flag, try_times=try_times)