【機械学習】分類の正解率が31%アップ！その手法とは？

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
from sklearn.preprocessing import StandardScaler

from sklearn.cross_validation import train_test_split
from sklearn.metrics import accuracy_score

#irisデータを読み込み
df_iris = pd.read_csv("https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data",header=None)
df_iris.columns = ["sepal length","sepal width","petal length","petal width","class"]

#irisデータのpetal length,widthを抽出
X = df_iris.loc[:,['petal length','petal width']]
y = df_iris.iloc[:,4]

#データXの平均と標準偏差を計算し、線形変換
sc.fit(X)
X_std = sc.transform(X)

#線形変換前と後をグラフで明示
plt.figure(figsize=(10,10))
plt.scatter(X.iloc[:50,0],X.iloc[:50,1],color='red',label="Setosa")
plt.scatter(X.iloc[50:100,0],X.iloc[50:100,1],color='blue',label="Versicolour")
plt.scatter(X.iloc[100:150,0],X.iloc[100:150,1],color='green',label="Virginica")
plt.scatter(X_std[:50,0],X_std[:50,1],color='red',marker='x',label="Setosa[Standardized]")
plt.scatter(X_std[50:100,0],X_std[50:100,1],color='blue',marker='x',label="Setosa[Standardized]")
plt.scatter(X_std[100:150,0],X_std[100:150,1],color='green',marker='x',label="Setosa[Standardized]")
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))
plt.legend(loc="lower right")
plt.xlabel("sepal length[cm]",fontsize=15)
plt.ylabel("sepal width[cm]",fontsize=15)
plt.title("Fig 1. Relationship between sepal length of sepal width",fontsize=20)
plt.xlim(-3,8)
plt.ylim(-2.0,3.0)
plt.grid(True)
plt.show()

#データXをトレーニング用、テスト用に分類
X_train,X_test,y_train,y_test = train_test_split(X,y,test_size=0.3,random_state=0)
#トレーニングデータより平均、標準偏差を算出しトレーニングデータ、テストデータを標準化
sc.fit(X_train)
X_test_std = sc.transform(X_test)
X_train_std = sc.transform(X_train)

#分類機パーセプトロンにより分類
ppn.fit(X_train,y_train)
ppn1.fit(X_train_std,y_train)
#元のテストデータにより予想
y_pred = ppn.predict(X_test)
#標準化したテストデータにより予想
y_pred1 = ppn1.predict(X_test_std)
#誤分類数(元データ)
print ("Misclassified samples:%d"%(y_test != y_pred).sum())
#誤分類数(標準化データ)
print ("Misclassified samples[Standardized]:%d"%(y_test != y_pred1).sum())
#正解率(元データ)
print ("Accuracy:%.2f"%accuracy_score(y_test,y_pred))
#正解率(標準化データ)
print ("Accuracy[Standardized]:%.2f"%accuracy_score(y_test,y_pred1))