Работа с методами интеллектуального анализа данных

Язык Python имеет множество дополнительных модулей, которые позволяют разрабатывать программы различного спектра задач. Рассмотрим работу с методами интеллектуального анализа данных на примере расчёта логистической регрессии в функции на языке Python.

Для языка Python дополнительно потребуется установка библиотеки для машинного обучения Scikit-Learn (https://scikit-learn.org) и библиотеки для работы с многомерными массивами NumPy (http://www.numpy.org/).

Код модуля на языке Python:

import numpy as np

from sklearn.linear_model import LogisticRegression

from sklearn.metrics import confusion_matrix

class CData(object):

def __init__(self, p1, p2, p3, p4):

self.PredictY = p1.tolist()

self.PredictTest = p2.tolist()

self.Intercept = p3

self.ConfMatr = p4.tolist()

def execute_lr(pX, pY, pXt):

X = np.array(pX)

Y = np.array(pY)

Xt = np.array(pXt)

LR=LogisticRegression(solver='liblinear', tol=1e-5)

LR.fit(X, Y)

intercept=LR.intercept_

predictY=LR.predict(X)

predictTest=LR.predict(Xt) 

ConfMatrix=confusion_matrix(Y, predictY)

sz = CData(predictY, predictTest, intercept[0], ConfMatrix)
return sz

Функция execute_lr осуществляет расчёт методом логистической регрессии. В качестве входных параметров функции передаются массивы обучающих данных и массив тестовых данных. В качестве результата функция возвращает объект класса CData, который в атрибутах будет содержать результаты классификации на обучающем и тестовом множестве, константу регрессии и матрицу несоответствий.

Для выполнения функции execute_lr в Fore предполагается наличие модуля Python с наименованием LogisticRegression. Модуль должен располагаться в папке «D:\Work\Python\».

Sub Main;
Var
    PyUtils: IPythonUtils;
    PylistX1, PyListY1, PyListX1test: IPythonList;
    PyClassObj: IPythonClassObject;
    PyObj: IPythonObject;
    Param1, Param2: Array Of Variant;
    X, Y, Xt: Array;
    i, j: Integer;
    Intercept: Double;
    RowCount, ColCount, RowCountTest: Integer;
    vrnt: Variant;
    str: String;
Begin
    PyUtils := New PythonUtils.Create;
    PyUtils.AddFolderToPythonPath("D:\Work\Python\");
    //Создание множеств
    RowCount := 12;
    RowCountTest := 6;
    ColCount := 4;
    X := New Variant[RowCount, ColCount];
    Y := New Variant[RowCount];
    Xt := New Variant[RowCountTest, ColCount];
    //Обучающее множество
    X[0, 0] := 5.1; X[0, 1] := 3.5;     X[0, 2]:= 1.4;      X[0, 3]:= 0.2;      Y[0]:= 0;
    X[1, 0] := 4.9; X[1, 1] := 3.0;     X[1, 2]:= 1.4;      X[1, 3]:= 0.2;      Y[1]:= 0;
    X[2, 0] := 4.7; X[2, 1] := 3.2;     X[2, 2]:= 1.3;      X[2, 3]:= 0.2;      Y[2]:= 0;
    X[3, 0] := 4.6; X[3, 1] := 3.1;     X[3, 2]:= 1.5;      X[3, 3]:= 0.2;      Y[3]:= 0;
    X[4, 0] := 7.0; X[4, 1] := 3.2;     X[4, 2]:= 4.7;      X[4, 3]:= 1.4;      Y[4]:= 1;
    X[5, 0] := 6.4; X[5, 1] := 3.2;     X[5, 2]:= 4.5;      X[5, 3]:= 1.5;      Y[5]:= 1;
    X[6, 0] := 6.9; X[6, 1] := 3.1;     X[6, 2]:= 4.9;      X[6, 3]:= 1.5;      Y[6]:= 1;
    X[7, 0] := 5.5; X[7, 1] := 2.3;     X[7, 2]:= 4.0;      X[7, 3]:= 1.3;      Y[7]:= 1;
    X[8, 0] := 6.3; X[8, 1] := 3.3;     X[8, 2]:= 6.0;      X[8, 3]:= 2.5;      Y[8]:= 2;
    X[9, 0] := 5.8; X[9, 1] := 2.7;     X[9, 2]:= 5.1;      X[9, 3]:= 1.9;      Y[9]:= 2;
    X[10, 0] := 7.1; X[10, 1] := 3.0;   X[10, 2]:= 5.9;     X[10, 3]:= 2.1;     Y[10]:= 2;
    X[11, 0] := 6.3; X[11, 1] := 2.9;   X[11, 2]:= 5.6;     X[11, 3]:= 1.8;     Y[11]:= 2;
    //Тестовое множество
    Xt[0, 0] := 5.0; Xt[0, 1] := 3.6;   Xt[0, 2]:= 1.4;     Xt[0, 3]:= 0.2;
    Xt[1, 0] := 5.4; Xt[1, 1] := 3.9;   Xt[1, 2]:= 1.7;     Xt[1, 3]:= 0.4;
    Xt[2, 0] := 6.5; Xt[2, 1] := 2.8;   Xt[2, 2]:= 4.6;     Xt[2, 3]:= 1.5;
    Xt[3, 0] := 5.7; Xt[3, 1] := 2.8;   Xt[3, 2]:= 4.5;     Xt[3, 3]:= 1.3;
    Xt[4, 0] := 6.5; Xt[4, 1] := 3.0;   Xt[4, 2]:= 5.8;     Xt[4, 3]:= 2.2;
    Xt[5, 0] := 7.6; Xt[5, 1] := 3.0;   Xt[5, 2]:= 6.6;     Xt[5, 3]:= 2.1;
    //Создание списков Python
    PylistX1 := New PythonList.Create(X);
    PylistY1 := New PythonList.Create(Y);
    PyListX1test := New PythonList.Create(Xt);
    //Выполнение функции Python и получение результатов
    vrnt := PyUtils.Invoke("LogisticRegression", "execute_lr", PyListX1, PyListY1, PyListX1test);
    PyClassObj := vrnt As IPythonClassObject;
    //Извлекаем константу регрессии
    vrnt := PyClassObj.GetAttr("Intercept");
    Intercept := vrnt As Double;
    Debug.WriteLine("Константа регрессии: " + Intercept.ToString);
    //Извлекаем результат классификации на обучающем множестве
    vrnt := PyClassObj.GetAttr("PredictY");
    PyObj := vrnt As IPythonObject;
    Param1 := (vrnt As IPythonList).ToArray;
    Debug.WriteLine("Классификация на обучающем множестве:");
    For i := 0 To Param1.Length - 1 Do
        Debug.Write(i.ToString + ": " + Param1[i] + "; ");
    End For;
    Debug.WriteLine("");
    //Извлекаем результат классификации на тестовом множестве
    vrnt := PyClassObj.GetAttr("PredictTest");
    PyObj := vrnt As IPythonObject;
    Param1 := (vrnt As IPythonList).ToArray;
    Debug.WriteLine("Классификация на тестовом множестве:");
    For i := 0 To Param1.Length - 1 Do
        Debug.Write(i.ToString + ": " + Param1[i] + "; ");
    End For;
    Debug.WriteLine("");
    //Извлекаем матрицу
    Debug.WriteLine("Матрица несоответствий:");
    vrnt := PyClassObj.GetAttr("ConfMatr");
    Param2 := (vrnt As IPythonList).ToArray;
    For i := 0 To Param2.Length - 1 Do
        Param1 := (Param2[i] As IPythonList).ToArray;
        str := "";
        For j := 0 To Param1.Length - 1 Do
            str := str + (Param1[j] As Double).ToString + ' ';
        End For;
        Debug.WriteLine(str);
    End For;
End Sub Main;

При выполнении примера будет выполнена функция execute_lr, написанная на языке Python. В функцию будут переданы исходные данные и получен результат работы. В результате приходит объект класса CData, из атрибутов объекта будут считаны и выведены в консоль среды разработки полученные данные.

См. также:

Примеры