この記事では、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。
【はじめに】Scikit-learnとは？特徴など紹介
scikit-learnとは、Pythonの機械学習ライブラリです。読み方は「サイキット・ラーン」。
主な特徴は次の通りです。
| – | 主な特徴 |
|---|---|
| ① | 幅広い機械学習アルゴリズムを実装（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） |
| ② | BSDライセンスなので商用利用可能 |
| ③ | 情報が多くドキュメントも充実している |
| ④ | 他のライブラリ「NumPy」「SciPy」「Pandas」「Matplotlib」とやり取りしやすい |
| 他 | scikit-learn公式ページ |
| 環境構築 | ■インストール方法 |
【基礎】Scikit-learnで様々な学習手法を試す
| コラム | 概要 |
|---|---|
| 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 | 【特徴】予測対象：連続値, 学習タイプ：教師あり, 可読性：○, 並列処理：✕ 最小二乗法や最尤推定によって回帰直線の係数と切片を求めます。 |
| 重回帰分析 | 単回帰分析の説明変数が複数になった回帰分析です。 |
| 過学習対策 | 回帰分析の過学習対策（Ridge回帰、Lasso回帰、変数選択など）について解説します。 |
| 数量化1類 | 説明変数が定性データとなった回帰分析の１つである数量化1類について解説します。 |
| ロジスティック回帰 | 【特徴】測対象：分類, 学習タイプ：教師あり, 可読性：○, 並列処理：✕ 2分類問題に対応した回帰分析です（線形回帰の出力をロジット関数に入力）。 |
| 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：✕ 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：✕ 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。 |
| 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：○ ・古典的なニューラルネットワーク ・多層構造（入力・隠れ層・出力） ・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。 |
| クラスタ分析 | クラスタ分析(Clustering) は、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：✕ ・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：○ ・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 |
| トピックモデル | 【特徴】予測対象：分類, 学習タイプ：教師なし, 可読性：✕, 並列処理：○ ・代表例はLDA ・トピック数（分類数）は事前に与える必要あり ・トピック毎の出現頻度からスコアを計算してデータを分類 ・計算量が大きい |
| k近傍法 | 時系列データの異常検知を行います。 |
| 特異スペクトラム変換法 | 時系列データの異常検知を行います。 |
| 動的時間伸縮法（DTW） | 時系列データの類似度を求めます。 |
| コサイン類似度 | 時系列データの類似度を求めます。 |
コメント