統合モデルのサンプルコード頂戴
統合モデルを作成するためのサンプルコードを提供します。ここでは、PythonのScikit-learnライブラリを使用して簡単な統合モデルを作成します。このモデルは、受注数量と受注金額の両方を同時に予測するための線形回帰モデルです。
python
import numpy as np from sklearn.model_selection import train_test_split from sklearn.linear_model import LinearRegression from sklearn.metrics import mean_squared_error # サンプルデータを作成 # 特徴量 (X) とターゲット (y_quantity: 受注数量, y_revenue: 受注金額) を用意する X = np.random.rand(100, 2) # 例として、2つの特徴量を持つ100件のデータを生成 y_quantity = np.random.randint(1, 100, size=100) # ランダムな受注数量を生成 y_revenue = np.random.randint(100, 1000, size=100) # ランダムな受注金額を生成 # データをトレーニングセットとテストセットに分割 X_train, X_test, y_quantity_train, y_quantity_test, y_revenue_train, y_revenue_test = train_test_split( X, y_quantity, y_revenue, test_size=0.2, random_state=42) # 統合モデルの構築 model = LinearRegression() # 受注数量の予測モデルの学習 model.fit(X_train, y_quantity_train) # 受注数量の予測 y_quantity_pred = model.predict(X_test) # 受注金額の予測モデルの学習 model.fit(X_train, y_revenue_train) # 受注金額の予測 y_revenue_pred = model.predict(X_test) # モデルの性能評価 mse_quantity = mean_squared_error(y_quantity_test, y_quantity_pred) mse_revenue = mean_squared_error(y_revenue_test, y_revenue_pred) print("受注数量の予測 MSE:", mse_quantity) print("受注金額の予測 MSE:", mse_revenue)
このサンプルコードでは、2つの特徴量（ここではランダムなデータ）を持つ100件のサンプルデータを生成し、それぞれの特徴量に対する受注数量と受注金額を持ちます。その後、データをトレーニングセットとテストセットに分割し、線形回帰モデルを使って受注数量と受注金額の予測を行います。最後に、予測の性能を評価するために平均二乗誤差（MSE）が計算されます。