Python3 年生 機械学習のしくみ 体験してわかる! 会話でまなべる!

ヤギ博士・フタバちゃんと一緒に
機械学習のしくみを学ぼう!

【機械学習をいちから学んでみよう!】
「最近よく耳にする人工知能と機械学習について知りたい」
「機械学習ってどのようなことをするの?」
と思っている方は多いと思います。
本書はそうした方に向けて「機械学習」について
いちからやさしく解説します。

【Python3 年生について】
「Python1 年生」「Python2 年生」を読み終えた方を対象とした入門書です。
(※「Python3 年生」から初めて学ぶ方でもわかるように工夫しています)

【読者対象】
機械学習の初心者

【本書のポイント】
ヤギ博士 & フタバちゃんと一緒に、
機械学習のしくみについて、
サンプルを動かしながら、
楽しく学ぶことができます。

【著者プロフィール】
森 巧尚 (もり・よしなお)
アプリの開発や、技術書や電子工作マガジンなどでの執筆活動。
関西学院大学非常勤講師、関西学院高等部非常勤講師、
成安造形大学非常勤講師、大阪芸術大学非常勤講師、プログラミングスクールコプリ講師など、
プログラミングに関する幅広い活動を行っている。
近著に『Python1 年生』、『Python2 年生 スクレイピングのしくみ』、『Python2 年生 データ分析のしくみ』、
『Java1 年生』、『動かして学ぶ! Vue.js 開発入門』 (いずれも翔泳社)、
『楽しく学ぶ アルゴリズムとプログラミングの図鑑』 (マイナビ出版) などがある。

第 1 章 機械学習の準備
01 機械学習ってなんだろう?
02 分けることは、わかること
03 機械学習の準備をしよう

第 2 章 サンプルデータを見てみよう
04 scikit-learn のサンプルデータセット
05 サンプルデータセットを自動生成しよう

第 3 章 機械学習の手順を理解しよう
06 データを用意する
07 データを学習用とテスト用に分ける
08 モデルを選んで、学習する
09 モデルをテストする
10 新しい値を渡して、予測する
11 分類の状態を可視化しよう

第 4 章 機械学習のいろいろなアルゴリズム
12 回帰: 線形回帰
13 分類: ロジスティック回帰
14 分類: SVM (サポートベクターマシン)
15 分類: 決定木
16 分類: ランダムフォレスト
17 分類: k-NN (k 近傍法)
18 クラスタリング: k-means (k 平均法)

第 5 章 チノふたたび! 画像から数字を予測しよう
19 データを準備する
20 学習データを準備する
21 学習させる
22 予測させる
23 教師なし学習を利用して、データをイメージしよう
24 さらに先へ進もう

機械学習を初めて学ぶ人が、Python の scikit-learn でサンプルを動かしながら、データの準備から学習、テスト、予測までの流れをつかむための入門書です。『Python3 年生 機械学習のしくみ』 (森 巧尚 著、翔泳社、2021 年 12 月刊) は「体験してわかる! 会話でまなべる!」を副題に掲げ、ヤギ博士とフタバちゃんと一緒に学ぶ会話の形で進みます。版元は読者対象を機械学習の初心者とし、「Python1 年生」「Python2 年生」を読み終えた人を対象にした入門書と位置づけたうえで、本書から初めて学ぶ人にもわかるよう工夫したと案内しています。

全 5 章の構成、機械学習の準備から画像の数字の予測まで

項目は 01 から 24 までの通し番号で 5 つの章に分かれます。第 1 章「機械学習の準備」は機械学習とは何かと「分けることは、わかること」という考え方から入り、学ぶための準備を整えます。第 2 章「サンプルデータを見てみよう」では scikit-learn のサンプルデータセットを読み込み、サンプルデータセットの自動生成も試します。第 3 章「機械学習の手順を理解しよう」では、データを用意し、学習用とテスト用に分け、モデルを選んで学習させ、テストし、新しい値を渡して予測し、分類の状態を可視化するという一連の手順を順に追います。第 4 章「機械学習のいろいろなアルゴリズム」は、回帰の線形回帰、分類のロジスティック回帰、SVM (サポートベクターマシン)、決定木、ランダムフォレスト、k-NN (k 近傍法)、クラスタリングの k-means (k 平均法) を取り上げます。最後の第 5 章は画像から数字を予測する題材で、データの準備から学習と予測までを通しで行い、教師なし学習を使ってデータをイメージする項目と、さらに先へ進むための項目で締めくくります。

学習用とテスト用に分ける理由、手順を先に固める意味

機械学習 のモデルは、手元のデータにどれだけ当てはまるかではなく、まだ見ていないデータにどれだけ正しく答えられるかで評価されます。学習に使ったデータでそのまま成績を測ると、答えを覚えただけのモデルでも高い点が出てしまうため、データの一部をテスト用に取り分けておく必要があります。scikit-learn は、線形回帰でも決定木でも k-means でも、モデルを作り、データで学習させ、予測させるという同じ呼び出しの形で扱えるように作られたライブラリです。第 3 章で手順を一通り固めてから第 4 章で手法を差し替えていく並びは、この共通の形と相性がよく、手法ごとの違いを結果の違いとして比べやすくなります。分類と回帰が正解の付いたデータから学ぶのに対し、クラスタリングは正解なしにデータのまとまりを見つける教師なし学習で、第 4 章と第 5 章でその両方に触れられます。

刊行時点の前提と、ここから先へ進む人へ

サンプルのコードは 2021 年 12 月の刊行時点の環境を前提にしているため、手元で動かす時は、ライブラリの版の違いによって表示や引数が変わる場合があることを念頭に置いておくと安心です。各アルゴリズムの数学的な背景を体系立てて学ぶことが目的なら、理論を主題にした本を組み合わせると目的に近づきます。機械学習の本の選び方全体は 機械学習の技術書の選び方 にまとめています。

機械学習という言葉は聞くものの、実際に何をしているのかを手を動かして確かめたことがない人にとって、データの分け方から予測までを 1 つの流れとして体験し、代表的な手法を同じ手順の上で比べられる本書は、最初の 1 冊として元が取りやすい入門書です。業務でデータの分類や予測を任されそうな人が、専門書に進む前の足場を作る用途にも向いています。