大規模データでの機械学習モデルの学習

Pythonで学ぶDaskによる並列プログラミング

James Fulton

Climate Informatics Researcher

Dask-ML

import dask_ml

機械学習タスクを高速化

線形回帰

xとyに線形関係があるデータの例。

線形回帰

データに直線を当てはめた例。

線形回帰

直線と実データ点の距離を強調表示。

線形回帰モデルの学習

# Import regression model
from sklearn.linear_model import SGDRegressor

# Create instance of model
model = SGDRegressor()

# Fit model to data
model.fit(X, y)

# Make predictions
y_pred = model.predict(X)

scikit-learnモデルをDaskで使う

# Import regression model
from sklearn.linear_model import SGDRegressor

# Create instance of model
model = SGDRegressor()


# Import Dask-ML wrapper for model
from dask_ml.wrappers import Incremental


# Wrap model
dask_model = Incremental(model, scoring='neg_mean_squared_error')


# Fit on Dask DataFrames or arrays
dask_model.fit(dask_X, dask_y)  # not lazy

学習は反復して行う

直線が複数回の学習でより正確に当てはまっていくアニメーション。

Incrementalモデルの学習

# Loop through data multiple times
for i in range(10):
    dask_model.partial_fit(dask_X, dask_y)  # not lazy

予測の生成

y_pred = dask_model.predict(dask_X)

print(y_pred)

dask.array<_predict, shape=(nan,), dtype=int64, chunksize=(nan,), chunktype=...>

print(y_pred.compute())

array([0.465557, 0.905675, 0.285214, ..., 0.249454, 0.559624, 0.823475])

Let's practice!

Pythonで学ぶDaskによる並列プログラミング