Linux系のOS(Ubuntu)上にPythonのソースコードをアップロードし実行してみた

Linux系のOS(Ubuntu)をもつ仮想マシン上で、Pythonのソースコードをアップロードするには、Azure Blob Storageのファイル共有の仕組みを利用する必要がある。

今回は、Azure Portal上で作成したLinux系のOS(Ubuntu)をもつ仮想マシン上で、Pythonのソースコードをアップロードし、Pythonプログラムを実行してみたので、その手順を共有する。

前提条件

下記サイトの手順に従って、Linux系のOS(Ubuntu)をもつ仮想マシンにAnacondaをインストール済であること。

Linux系のOS(Ubuntu)上でAnacondaをインストールしてみた以前、以下の記事でWindows端末上にAnacondaをインストールしていたことがある。 https://www.purin-i...

また、アップロードするPythonプログラムは以下の通りで、文字コードが「UTF-8」、改行コードが「LF」であること。

import numpy as np
from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier
import matplotlib.pyplot as plt
import sklearn.tree

# 実行時に使用する定数を定義
# MAX_DEPTH=2の場合、FIGSIZE_X=9、FIGSIZE_Y=6を指定
# MAX_DEPTH=3の場合、FIGSIZE_X=12、FIGSIZE_Y=8を指定
# MAX_DEPTH=4の場合、FIGSIZE_X=15、FIGSIZE_Y=10を指定
MAX_DEPTH = 4
FIGSIZE_X = 15
FIGSIZE_Y = 10

# アヤメのデータセットのデータを取得
iris = load_iris()

# 先頭51～55件目のデータ(versicolor)と、先頭101～105件目のデータ(virginica)の
# データを結合し、Xに格納
X = np.append(iris.data[50:100], iris.data[100:150], axis=0)

# 先頭51～55件目の結果(versicolor)と、先頭101～105件目の結果(virginica)の
# データを結合し、yに格納
y = np.append(iris.target[50:100], iris.target[100:150], axis=0)
print("*** 先頭51～55件目の結果 ***")
print(iris.target[50:55])
print("*** 先頭101～105件目の結果 ***")
print(iris.target[100:105])
print()

# scikit-learnのDecisionTreeClassifierに適用
dtc = DecisionTreeClassifier(max_depth=MAX_DEPTH, random_state=0)
dtc.fit(X, y)

# DecisionTreeClassifierによる算出結果
print("*** petal length(cm), petal width(cm)のみ抽出したデータからの判定 ***")
print("*** 先頭51～55件目のデータから判定した結果 ***")
print(dtc.predict(iris.data[50:55]))
print("*** 先頭101～105件目のデータから判定した結果 ***")
print(dtc.predict(iris.data[100:105]))

# 決定木を可視化
# 画像の表示サイズを変更
plt.figure(figsize=(FIGSIZE_X, FIGSIZE_Y))
# 第1引数：モデル名、第2引数：クラス名、第3引数：色付きで表示するか
sklearn.tree.plot_tree(dtc, class_names=['versicolor', 'virginica'], filled=True)
# 可視化したグラフを画像「decision_tree_graph.png」に保存
plt.savefig("decision_tree_graph.png")

なお、上記ソースコードは、グラフを画像に保存する以外は、以下の記事の「DecisionTreeClassifierクラスのmax_depth」と同じ内容になっている。