実践 機械学習システム

1.5

 はじめての（簡単な）機械学習アプリケーション

13

>>> print(data.shape)

(743, 2)

ここでは、2 次元のデータポイントが743個あることがわかります。

1.5.2

　前処理とデータ整形

SciPyで処理を行う場合、データを次元ごとに分割し、二つのベクトルとして扱ったほうが都合が良

いでしょう。そうした場合、各ベクトルは743個の要素からなります。一つ目のベクトル

x

は経過時間

（一時間単位）を、もう一つのベクトル

y

はアクセス数を表すことにします。このようにデータを分割す

るためには、SciPyの特別なインデックス記法を用いることで、簡単に行うことができます。

x = data[:,0]

y = data[:,1]

SciPy

のデータ選択については、さらに多くの方法があります。詳しくは

http://www.

scipy.org/Tentative_NumPy_Tutorial

の「

Indexing, Slicing and Iterating

」の項を

参照してください。

ここで注意すべき点は、

y

には不適切な値である

nan

が含まれるということです。どのように対処す

れば良いでしょうか？ 　まずは、どれだけ不適切な値が含まれているか調べみることにしましょう。

>>>

sp.sum(sp.isnan(y))

8

sp.isnan(y)

は配列の要素が数値であるかどうかのブーリアン型の配列を返します。ここでは、

743個のデータの内、8つのデータが失われていることがわかりました。それでは、不適切 ...