一応参考書通りに学習するのだが、基本的にはいつも最新版をインストールして使う人間なもので、Warning及びErrorとの戦いはよくあることです。ので、Warningとかが出るとうっと身構えてしまうので、困らないように備忘録かつ反面教師として残しておきます。
とりあえずmake_forge()をやってみようか
とりあえずmake_forge()でforgeデータを生成し、Warningさせてみますかね。。。
ライブラリはmglearnを使うのでpip環境がある人は、pip install mglearnをしてください。その上で、
import mglearn # mglearnのインポート
X, y = mglearn.datasets.make_forge() # make_forgeメソッドで生成
以下がアウトプットです。
/Users/user/opt/anaconda3/envs/ML/lib/python3.6/site-packages/sklearn/utils/deprecation.py:86: FutureWarning: Function make_blobs is deprecated; Please import make_blobs directly from scikit-learn
warnings.warn(msg, category=FutureWarning)
なんだかWarningで怒られましたorz
将来的にsklearn.datasets.makeblobs()と被るよってことを言いたいらしいです。scikit-learnから直接make_blobsをインポートしろとか言ってますね。 次からWarningを避けて行きます。
make_blobsに乗り換える
make_blobsメソッドに乗り換えて行きます。これはscikit-learnのdatasetsモジュールに含まれているみたいなので、こいつをインポートして行きます。
from sklearn.datasets import make_blobs # これでインポート完了
インポートがうまくいったら次はメソッドを呼び出します。
X, y = make_blobs()
これでデータがうまく生成されたようです。無事Warningも出てきません!!! 念のため、Xの型をみて行きます。
print("X.shape: {}".format(X.shape))
# -> X.shape: (100, 2)
詰まるところ、2つの特徴量を持つデータが100個生成されました。100*2の行列ですね。 make_forge()のときは2つの特徴量のデータが26個を期待していたようなので、データ量が増えたみたいですね。
まとめ
mglearn.datasets.make_forge()でWarningを回避する方法のまとめがこちらです。
from sklearn.datasets import make_blobs # インポート
X, y = make_blobs() # make_blobsメソッドの実行
"""
確認のおまけ
"""
print("X.shape: {}".format(X.shape))
#-> X.shape: (100, 2) # 特徴量を2つ持つ100個のデータ
scikit-learn周りは、アップデートが早いので少し古い技術書なだけでも、Future Warningが出たり、Errorが出たりすることが多々あります。 気をつけながら学習をする必要がありそうですね。では、今回はここまで！
