シラバス レッスン 250 中 85 · はじめての機械学習モデル
はじめての機械学習モデル

機械学習の考え方

機械学習は神秘的に聞こえますが、中心となる考えは素朴です:ルールを自分で書く代わりに、プログラムにたくさんの例を見せて、ルールを見つけさせるのです。このモジュールのほとんどすべては、3 つの考えに支えられています。

特徴量とラベル

例は 2 つの部分に分けられます。特徴量は最初からわかっているもの(家の広さ、寝室の数)です。ラベルは予測したいもの(その価格)です。昔からの慣習で、特徴量は X(表なので大文字)、ラベルは y(1 列なので小文字)と呼びます。

      X (features)          y (label)
  size_sqft  bedrooms        price_k
     650        1              220
     800        2              265
    1200        3              410

教師あり学習と教師なし学習

  • 教師あり学習にはラベルがあります。学習用の各例の正解がわかっているので、モデルは X を y に対応させることを学びます。価格の予測や、メールを迷惑メールとそれ以外に分けることは教師あり学習です。
  • 教師なし学習にはラベルがありません。X だけがあり、似た顧客をグループにまとめるといった構造を見つけるようモデルに頼みます。このモジュールはすべて教師あり学習です。

fit / predict のパターン

scikit-learn のモデルはどれも、同じ 2 つの動詞を話します。この形は何度も何度も見ることになります:

model = SomeModel()
model.fit(X, y)          # learn from examples
model.predict(X_new)     # guess labels for new rows

儀式はこれで全部です。難しいのは決して API ではなく、良い特徴量を選び、モデルの出来を正直に測ることで、このモジュールの残りはそのための話です。

この演習では、まだ何も学習させません。地味ですが欠かせない最初の一歩だけをやります:小さな表を X と y に切り分けるのです。

あなたの番

列 size_sqft、bedrooms、price_k を持つ小さな住宅の DataFrame df が与えられています。feature_cols = ["size_sqft", "bedrooms"] とし、X = df[feature_cols](2 つの入力列だけ)と y = df["price_k"](ラベル)を作ってください。それから n_features を特徴量の列の数に、n_samples を行数にしてください。

このレッスンに問題を見つけましたか?報告する · このレッスンについて質問する

この演習はまもなく開きます

その前のレッスンを終えると、このレッスンが解放されます。コース全体が無料でアカウントも不要、このレッスンは今すぐ読めます。