人工知能-プログラミング-Fizz Buzz

タイトルの説明:
プログラムを書いて遊びに来なさいこれはゲームです.プレイヤーは1から100まで数え、数字が3で割り切れると「fizz」と呼び、5で割り切れると「buzz」と呼び、両方が満足すれば「fizzbuzz」と呼び、そうでなければ直接数字を言う.このゲームはまるで:
1 2 fizz 4 buzz fizz 7 8 fizz buzz 11 fizz 13 14 fizzbuzz 16 …
一.従来の方法のプログラミング

def fizz_buzz(num):
    if num % 3 == 0 and num % 5 == 0:
        return "fizz buzz"
    elif num % 3 == 0:
        return "fizz"
    elif num % 5 == 0:
        return "buzz"
    else:
        return str(num)


for i in range(100):
    print("%d : %s" % (i+1, fizz_buzz(i+1)))

1 : 1
2 : 2
3 : fizz
4 : 4
5 : buzz
.......
96 : fizz
97 : 97
98 : 98
99 : fizz
100 : buzz

メリット:

現在の問題を100%正しく解決する

コード行数が少ない

データに依存しない

解釈可能

二.AIプログラミング
機械学習には3つのステップが必要です.

特徴工程は、できるだけデータ特徴を抽出し、

を数字で表す.

データトレーニング、データの観察分析を行い、適切なアルゴリズム

を見つけた.

モデル予測、モデルの精度を分析し、最適化する

KNN分類アルゴリズム:

import numpy as np
from sklearn.neighbors import KNeighborsClassifier

"""
knn    : 
 
"""

#    :      

#            
#             ,         
#        : 0, 1, 2, 3
#  :       ,               
def fizz_buzz_label_data(num):
    if num % 3 == 0 and num % 5 == 0:
        return 0
    elif num % 3 == 0:
        return 1
    elif num % 5 == 0:
        return 2
    else:
        return 3


#       
#        ,               
#                :
# 1:         [1, 1] -> 3
# 2:         [2, 2] -> 3
# 3:         [0, 3] -> 1
# 4:         [1, 4] -> 3
# 5:         [2, 0] -> 2
# ........
# 15:       [0, 0] -> 0
def feature_engineer(num):
    return [num % 3, num % 5]


#          ,             ,             
#        101- 200         
train_data_x = np.array([feature_engineer(i) for i in range(101, 201)])
train_data_y = np.array([fizz_buzz_label_data(i) for i in range(101, 201)])

#    :      

#          k    5,      ,           
model = KNeighborsClassifier(n_neighbors=5)
model.fit(train_data_x, train_data_y)

#    :         

#      

test_data_x = np.array([feature_engineer(i) for i in range(1, 101)])
test_data_y = np.array([fizz_buzz_label_data(i) for i in range(1, 101)])

#         
predict_y = model.predict(test_data_x)
print("         : %s" % predict_y)

#        
model_score = model.score(test_data_x, test_data_y)
print("     : %s" % model_score)


#      
def predict_num(num):
    num_label = model.predict(np.array([feature_engineer(num)]))[0]
    if num_label == 0:
        return "fizz buzz"
    elif num_label == 1:
        return "fizz"
    elif num_label == 2:
        return "buzz"
    elif num_label == 3:
        return str(num)


for i in range(100):
    print("%d : %s" % (i + 1, predict_num(i + 1)))

         : [3 3 1 3 2 1 3 3 1 2 3 1 3 3 0 3 3 1 3 2 1 3 3 1 2 3 1 3 3 0 3 3 1 3 2 1 3
 3 1 2 3 1 3 3 0 3 3 1 3 2 1 3 3 1 2 3 1 3 3 0 3 3 1 3 2 1 3 3 1 2 3 1 3 3
 0 3 3 1 3 2 1 3 3 1 2 3 1 3 3 0 3 3 1 3 2 1 3 3 1 2]
     : 1.0
1 : 1
2 : 2
3 : fizz
4 : 4
5 : buzz
6 : fizz
........
98 : 98
99 : fizz
100 : buzz

特徴:

試験精度は100%

ではない

コード行数が多い

依存データ

解釈不可能