やってみよう！機械学習 - 教師あり学習

【初心者向け】機械学習ライブラリ scikit-learn（sklearn）とは？ 機械学習プログラミングを体験してみよう！ - AI Academy Media【初心者向け】機械学習ライブラリ scikit-learn（sklearn）とは？ 機械学習プログラミングを体験してみよう！　　

【機械学習基礎】fit()で学習、predict()で予測【scikit-learn】

機械学習ライブラリ scikit-learnを使います。以下公式サイトです。

scikit-learn: machine learning in Python — scikit-learn 1.3.2 documentation

scikit-learnはPython用の機械学習ライブラリです。scikit-learnはオープンソースで公開されており、個人・商用問わず、誰でも無料で利用することが出来ます。また、教師あり学習、教師なし学習に関するアルゴリズム(サポートベクターマシン、ランダムフォレスト、回帰、クラスタリングなど)が一通り利用出来る上、サンプルのデータセット（トイデータセットと呼びます）が豊富に揃っています。

簡単に、さっそく実行できるような環境をご紹介。

Google Colaboratory

ログインする必要がありますが機械学習ライブラリも使えるようになっている便利なサービスです。

Iris（アヤメ）の品種を分類してみましょう。

まずデータセットですが、
4つの測定値(特徴量)と3種類の花(Setosal、Versicolor、Versinica)がセットになったデータが150個を使えるようにします。

from sklearn import datasets

分類する方法"サポートベクターマシン"を指定します。

from sklearn import svm

"SVM"とはSupport Vector Machine (SVM)

機械学習入門者向け Support Vector Machine (SVM) に触れてみる

次にデータセットを使えるように変数に入れます。

iris = datasets.load_iris()

ここで4つの特徴は

がくの長さ、がくの幅、花びらの長さ、花びらの幅

print(iris.data)

でデータを出力してみます。

 [5.8 2.6 4.  1.2]
 [5.  2.3 3.3 1. ]
 [5.6 2.7 4.2 1.3]
 [5.7 3.  4.2 1.2]
　　　　　・　　　　　
　　　　　・

と4つのデータがたくさん出てきます。

データの数は便利な関数"shape"でみてみます。これでデータ全体の数と1つのデータ量がわかります。

print(iris.data.shape)

出力すると

(150, 4)　　・・・　150のデータ、4種類の個別データ

"iris.data"の対になる教師データも出してみます。

print(iris.target)

として実行すると

[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2]

4つの入力データに対して、1つの値で正解が示されています。

[5.8 2.6 4. 1.2]　　→ 　　0

[がくの長さ, がくの幅 , 花びらの長さ, 花びらの幅]　→ 　花の種類

という感じです。

これで、教師あり学習ができるようになりました。

分類するアルゴリズム"サポートベクターマシン"を指定します

clf = svm.SVC()

学習します。fit()を使います。変数clfに学習した結果を入れます。

clf.fit(iris.data, iris.target)

学習したモデル"clf"を利用し、predict()で予測します。

print(clf.predict([[1.4, 3.5, 5.1, 0.2]]))

これで予測が出ます。

[1]

結果が出ました。

0: Setosa
1: Versicolor
2: Versinica 

なので"1"に対応するのは"Versicolor"を予測したということになります。

整理します。

まず、学習するためのテストデータとその答えである教師データを用意して学習したモデルを作ります。

そして、そのモデルを使って予測するという流れになります。

いろんなサイトで機械学習説明されていますが、検証の工程が入っているものが多くてわかりにくく感じていましたので単純にモデルを作って予測という流れを整理してみました。

流れは比較的単純です。発展形のデープラーニングも流れは同じでモデルの作り方がより複雑に、いろんな組み合わせができるという感じです。