Scikit-learnの使い方まとめ(機械学習入門・サンプル集)

Pythonモジュール「Scikit-learn」で機械学習を行う方法について入門者向けに使い方を解説します。

Scikit-learnの特徴

本ページの内容は以下動画で解説しています。

scikit-learn(サイキット・ラーン)とは、Pythonの機械学習モジュールです。
scikit-learn公式ページ

主な特徴

• 多くの機械学習アルゴリズム（回帰分析、クラスタリング、SVM・ニューラルネット等の識別器、次元圧縮など）を簡単に実装できる。
• BSDライセンスなので、条件を満たせば商用利用可能。
• 日本語の情報量が多く、公式ドキュメントや解説書なども充実している。
• 他のライブラリ「NumPy」「SciPy」「Pandas」「Matplotlib」と連携しやすい。

Scikit-learnの基礎

• 環境構築
  • scikit-learnのインストール方法
• 回帰分析
  • 回帰分析では、「結果(目的変数)」と「結果に影響を及ぼすデータ(説明変数)」の関係性を統計的に求める手法です。2つのデータの関係性がわかれば、将来どのような結果となるかの予測を行うことができます。説明変数が1つの場合が「単回帰分析」、複数の場合は「重回帰分析」といいます。
  • 単回帰分析を実装する方法
  • 重回帰分析を実装する方法
  • 過学習対策（Ridge回帰、Lasso回帰、変数選択など）
  • 数量化1類(説明変数が定性データ)
  • ロジスティック回帰
• サポートベクターマシン
  • 【特徴】予測対象：分類, 学習タイプ：教師あり, 可読性：○, 並列処理：✕
  • 【概要】マージン最大化のアイデアにより、汎化性能が高い2分類を行います。計算コストは高めです。
• 決定木分析
  • 【特徴】モデル：木構造（非線形）, 学習タイプ：教師あり, 予測対象：分類, 可読性：○, 並列処理：✕
  • 【概要】マ枝先で１つの説明変数と閾値のセットでにデータを２つに分けるのを繰り返します。説明変数の選択と閾値は、ジニ不純度やエントロピー等で決定されます。
• クラスタ分析
  • 特徴が類似するデータ同士をまとめて、データ構造を発見します。分類 (Classification)データとラベルを学習し、データに対するラベルを予測します。
• 階層型クラスタ分析
  • 【特徴】予測対象：分類, 学習タイプ：教師なし, 可読性：○, 並列処理：✕
  • 【概要】代表例はユークリッド距離＊ウォード法。あらかじめ定義した距離を用いてデータをグループ化。クラスタ数(分類数)は、計算後に変更可能。
• 非階層型クラスタ分析
  • 【特徴】予測対象：分類, 学習タイプ：教師なし, 可読性：✕, 並列処理：○
  • 【概要】代表例はk平均法。クラスタ数(分類数)を事前に指定する必要がある（後から変更不可） 。階層型クラスタリングで高速化もできる。初期値によって結果が異なる等の問題あり。
    k平均法(k-means)
• ニューラルネットワーク
• 多層ニューラルネットワーク（MLP）
  • 【特徴】モデル：神経回路, 学習タイプ：教師あり 予測対象： 連続値・分類, 可読性：✕, 並列処理：○
  • 【概要】古典的な多層構造（入力・隠れ層・出力）のニューラルネットワーク。学習にはバックプロパゲーションを用いることが多い。複雑なモデルを構築できる反面、過学習も多い。
• 時系列データの異常検知
  • k近傍法
  • 特異スペクトラム変換法
• 時系列データの類似度
  • 動的時間伸縮法（DTW）
  • コサイン類似度

参考文献

• 公式ドキュメント
• 【機械学習】入門者向け資料
• scikit-learn機械学習
• Scikit-Learn Cheat Sheet: Python Machine Learning
• Scikit learnで学ぶ機械学習入門（Slide Share）
• scikit-learn から学ぶ機械学習の手法の概要
• scikit-learn: Python での機械学習
• 機械学習ライブラリscikit-learnの馬鹿丁寧なe-learning
• scikit-learnでよく利用する関数の紹介
• 人工知能に関する断創録
• scikit learnチートシート
• 代表的な機械学習手法一覧

関連ページ

【Scikit-learn】データセットの種類と呼び出し（読み込み）

この記事では、Scikit-learnのデータセットの種類と呼び出し（読み込み）方について紹介します。

python.joho.info

2017.12.17