機械学習の基本概念を理解し、実際にPythonを使ってシンプルなモデルを構築する方法を学びましょう。
機械学習入門：基本概念から実践まで
機械学習は現代のテクノロジーの核心部分となっています。基本概念を理解し、実際にコードを書いて学んでいきましょう。
機械学習の種類
1. 教師あり学習（Supervised Learning）
正解データを使ってモデルを訓練する手法です。
Python
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error
import numpy as np
import pandas as pd
# サンプルデータの準備
np.random.seed(42)
X = np.random.randn(1000, 1) * 10
y = 2 * X.ravel() + 3 + np.random.randn(1000) * 2
# データの分割
X_train, X_test, y_train, y_test = train_test_split(
X, y, test_size=0.2, random_state=42
)
# モデルの訓練
model = LinearRegression()
model.fit(X_train, y_train)
# 予測
y_pred = model.predict(X_test)
# 評価
mse = mean_squared_error(y_test, y_pred)
print(f"Mean Squared Error: {mse:.2f}")
print(f"係数: {model.coef_[0]:.2f}")
print(f"切片: {model.intercept_:.2f}")2. 教師なし学習（Unsupervised Learning）
正解データなしでパターンを発見する手法です。
Python
from sklearn.cluster import KMeans
from sklearn.datasets import make_blobs
import matplotlib.pyplot as plt
# サンプルデータの生成
X, _ = make_blobs(n_samples=300, centers=4, cluster_std=0.60, random_state=0)
# K-meansクラスタリング
kmeans = KMeans(n_clusters=4, random_state=42)
y_kmeans = kmeans.fit_predict(X)
# 結果の可視化
plt.figure(figsize=(10, 6))
plt.scatter(X[:, 0], X[:, 1], c=y_kmeans, cmap='viridis')
plt.scatter(kmeans.cluster_centers_[:, 0],
kmeans.cluster_centers_[:, 1],
c='red', marker='x', s=200, linewidths=3)
plt.title('K-means Clustering')
plt.show()実践例：住宅価格予測
実際のデータセットを使って住宅価格を予測してみましょう。
Python
import pandas as pd
from sklearn.ensemble import RandomForestRegressor
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import r2_score
# データの読み込み（仮想的なデータセット）
data = pd.DataFrame({
'bedrooms': np.random.randint(1, 6, 1000),
'bathrooms': np.random.randint(1, 4, 1000),
'sqft': np.random.randint(800, 3500, 1000),
'age': np.random.randint(0, 50, 1000),
'location_score': np.random.uniform(1, 10, 1000)
})
# 価格の生成（特徴量に基づく）
data['price'] = (
data['bedrooms'] * 20000 +
data['bathrooms'] * 15000 +
data['sqft'] * 100 +
(50 - data['age']) * 1000 +
data['location_score'] * 10000 +
np.random.normal(0, 20000, 1000)
)
# 特徴量と目的変数の分離
X = data.drop('price', axis=1)
y = data['price']
# データの分割
X_train, X_test, y_train, y_test = train_test_split(
X, y, test_size=0.2, random_state=42
)
# 特徴量の標準化
scaler = StandardScaler()
X_train_scaled = scaler.fit_transform(X_train)
X_test_scaled = scaler.transform(X_test)
# ランダムフォレストモデルの訓練
rf_model = RandomForestRegressor(n_estimators=100, random_state=42)
rf_model.fit(X_train_scaled, y_train)
# 予測と評価
y_pred = rf_model.predict(X_test_scaled)
r2 = r2_score(y_test, y_pred)
print(f"R-squared Score: {r2:.3f}")
# 特徴量の重要度
feature_importance = pd.DataFrame({
'feature': X.columns,
'importance': rf_model.feature_importances_
}).sort_values('importance', ascending=False)
print("\n特徴量の重要度:")
print(feature_importance)モデルの評価と改善
交差検証
Python
from sklearn.model_selection import cross_val_score
# 5-fold交差検証
cv_scores = cross_val_score(rf_model, X_train_scaled, y_train,
cv=5, scoring='r2')
print(f"交差検証スコア: {cv_scores}")
print(f"平均スコア: {cv_scores.mean():.3f} (+/- {cv_scores.std() * 2:.3f})")ハイパーパラメータチューニング
Python
from sklearn.model_selection import GridSearchCV
# パラメータグリッドの定義
param_grid = {
'n_estimators': [50, 100, 200],
'max_depth': [3, 5, 7, None],
'min_samples_split': [2, 5, 10],
'min_samples_leaf': [1, 2, 4]
}
# グリッドサーチ
grid_search = GridSearchCV(
RandomForestRegressor(random_state=42),
param_grid,
cv=3,
scoring='r2',
n_jobs=-1
)
grid_search.fit(X_train_scaled, y_train)
print(f"最適なパラメータ: {grid_search.best_params_}")
print(f"最高スコア: {grid_search.best_score_:.3f}")ディープラーニングの基礎
Python
import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
# シンプルなニューラルネットワーク
model = Sequential([
Dense(64, activation='relu', input_shape=(X_train.shape[1],)),
Dense(32, activation='relu'),
Dense(16, activation='relu'),
Dense(1) # 回帰問題なのでactivationなし
])
model.compile(optimizer='adam', loss='mse', metrics=['mae'])
# モデルの訓練
history = model.fit(
X_train_scaled, y_train,
batch_size=32,
epochs=100,
validation_split=0.2,
verbose=0
)
# 予測
y_pred_nn = model.predict(X_test_scaled)
r2_nn = r2_score(y_test, y_pred_nn)
print(f"Neural Network R-squared Score: {r2_nn:.3f}")まとめ
機械学習の基本的な流れ：
- データの準備と前処理
- モデルの選択と訓練
- 評価と検証
- ハイパーパラメータチューニング
- 本番環境への展開
適切なアルゴリズムの選択と評価指標の理解が、成功する機械学習プロジェクトの鍵となります。