- プロンプト実行例
- プロンプトを見る

指示を基ににコードを生成します。

どんなデータ?
どんな処理がしたい?

行うコードを示します。Pandasを使用してデを読み込んでから、データの基本的な統計量を見て、さらにscikit-learnを使用してデータを前処理およびモデル構築に用いる準備を行います。
Python1import pandas as pd 2from sklearn.model_selection import train_test_split 3from sklearn.preprocessing import StandardScaler 4from sklearn.linear_model import LogisticRegression 5from sklearn.metrics import accuracy_score 6 7# データの読み込み 8data = pd.read_csv('iris.csv') 9 10# データの基本的な統計量の確認 11print(data.head()) # 最初の数行を表示 12print(data.describe()) # 基本統計量を表示 13 14# 特徴量とターゲットを分割 15X = data.drop('species', axis=1) 16y = data['species'] 17 18# 訓練データとテストデータに分割 19X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) 20 21# データのスケーリング 22scaler = StandardScaler() 23X_train = scaler.fit_transform(X_train) 24X_test = scaler.transform(X_test) 25 26# ロジスティック回帰モデルの構築と評価 27model = LogisticRegression() 28model.fit(X_train, y_train) 29predictions = model.predict(X_test) 30accuracy = accuracy_score(y_test, predictions) 31print('Accuracy:', accuracy)
このコードでは、Pandasを使用してcsvファイルを読み込み、データの基本統計量を確認しています。そして、scikit-learnを使用してデータを前処理し、ロジスティック回帰モデルを構築しています。最後に、テストデータでモデルを評価しています。

各特徴量の平均や中央値、最大値などを出して。

以下のコードを使用して、各特徴量ごとの平均、中央値、最大値などの基本統計量を出力できます。
Python1# 各特徴量の平均、中央値、最大値などの基本統計量を出力 2feature_stats = data.describe() 3print(feature_stats)
このコードを実行すると、data データフレームの各特徴量ごとの平均、中央値、最大値などの基本統計量が表示されます。
コメント 0
他のプロンプトもチェック
SNS投稿
推奨モデル - Claude入力した文章を、文学的で詩的な文章に変換します。 SNS投稿文や作詞などの際、言葉選びに困ったときなどにご利用ください。40115532マーケティング一般
▼最新作はこちら▼ https://oshiete.ai/item_lists/73557973863457792 投稿ジャンルを入力するだけでインスタグラムのストーリーズ投稿のネタを自動で作成してくれます。投稿ネタが思いつかないというときに活用してみて下さい。 ▼ストーリーズの背景画像については以下のプロンプトをご利用ください!▼ https://oshiete.ai/items/100593889273923584 #インスタグラム131113740