scikit-learnのインストールと基本的な使い方！学習と予測について

はるか

scikit-learnのインストールって、すぐできるの？

ふゅか

うん！「pip install scikit-learn」ってコマンドを使うだけで、簡単にインストールできるよ。Pythonがちゃんと動いてれば問題ないわ！

1. scikit-learnのインストール

scikit-learnはPythonの機械学習ライブラリで、様々なアルゴリズムが簡単に利用できます。まず、scikit-learnをインストールしましょう。

pip install scikit-learn

2. scikit-learnの基本的な使い方

Scikit-learnの使い方は、データの前処理、モデルの選択、学習、予測という一連の流れで進みます。以下は、Scikit-learnを使った基本的な手順です。

ふゅか

まず、データを準備するところから始めるわ。Scikit-learnにはirisデータセットが組み込まれているから、それを使ってみるね。

はるか

irisって、アヤメのこと？

ふゅか

そうそう！このデータセットには、がく片と花弁の長さや幅が含まれているの。それでアヤメ属の3種類を識別できるんだ。

2.1. データの準備

まず、データセットを用意します。Scikit-learnにはいくつかのデータセットが組み込まれているので、それを利用できます。例えば、iris（あやめ）データセットを使います。

from sklearn.datasets import load_iris
import numpy as np

# データセットの読み込み
iris = load_iris()
X = iris.data  # 特徴量
y = iris.target  # ラベル

irisのデータセットの特徴量は次のようになってます。

2.2. トレーニングデータとテストデータの分割

データをトレーニングデータとテストデータに分割します。train_test_splitを使用して分割します。

from sklearn.model_selection import train_test_split

# データの分割
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.5, random_state=42)

2.3. モデルの選択と学習

ふゅか

次に、モデルを選択して学習させるよ。例えば、決定木分類器を使ってみるね。

次に、使用するモデルを選択し、トレーニングデータで学習させます。ここでは、決定木分類器を例にします。

from sklearn.tree import DecisionTreeClassifier

# モデルの選択
model = DecisionTreeClassifier()

# モデルの学習
model.fit(X_train, y_train)

2.4. 予測と評価

テストデータを使ってモデルの予測を行い、その性能を評価します。

from sklearn.metrics import accuracy_score

# 予測
y_pred = model.predict(X_test)

# モデルの評価
accuracy = accuracy_score(y_test, y_pred)
print(f'Accuracy: {accuracy}')

これで、基本的なScikit-learnの使い方がわかりました。この流れを応用して、他のアルゴリズムやデータセットを使用することができます。