機械学習ライブラリ「scikit-learn」の概要や使い方を解説！

scikit-learn（サイキット・ラーン）は機械学習を行うためのプログラムを簡単に実装できるライブラリです。この記事では、scikit-learnの特徴や使い方、注意点などを紹介します。機械学習についての概要も解説しているので、興味がある方はぜひ参考にしてください。

INDEX

scikit-learnはPython用の機械学習ライブラリ
そもそも機械学習とは？
scikit-learnで多数のアルゴリズムの使用が可能！
scikit-learnの特徴
scikit-learnの使い方
scikit-learnを使う上でのコツ・注意点

scikit-learnはPython用の機械学習ライブラリ

scikit-learn（サイキット・ラーン）とは、Pythonで使える機械学習用のライブラリです。オープンソースで提供されていて、個人利用・商用利用を問わず、誰でも無料で使えるため、気軽に使い始められます。

様々なデータを解析する「統計的機械学習」をPythonでプログラミングする方法として、scikit-learnは人気を得ています。2007年の「Google Summer of Code project（Googleが学生向けに行っているプロジェクト課題イベント）」でDavid Cournapeau（デイビット・クールナポー）氏によって開発されて以来、世界中のユーザーが注目する機械学習ライブラリです。

＼文字より動画で学びたいあなたへ／

Udemyで講座を探す＞

そもそも機械学習とは？

機械学習とは、コンピュータにデータを学習させ、分析や予測を行うモデルを作るための技術です。学習するデータの有無などによって、次の3つに分類されます。

教師あり学習

入力データと、正解となる教師データを用意し、機械学習モデルを作成する手法です。教師あり学習の例として「回帰」や「分類」などの機械学習が挙げられます。

教師なし学習

正解となるデータがない状態で機械学習モデルを作成する手法です。入力したデータ自体の中から法則性や類似性を見つけ出し、機械学習を行います。「クラスタリング」や「次元削減」、「主成分分析」、「ニューラルネットワークモデル」などが教師なし学習の例です。

強化学習

静的な学習データを用意せず、機械自体が行動した結果をもとに学習を行う手法です。予め報酬条件を設定し、報酬が最大になるような形で機械学習が行われます。ディープラーニングと呼ばれる手法との組み合わせが注目されていることも強化学習の特徴です。

いずれの場合も、機械学習の大まかな流れは同様です。
まず、データを学習する段階では、準備としてデータ収集や前処理を行います。
用意したデータセットを学習することで特徴を抽出し、機械学習モデルを作成することが可能です。作成したモデルが正しく機能するかは、テストデータによって評価できます。テストデータを入力し、期待される結果が出力されれば、機械学習モデルの予測などに活用できます。

scikit-learnで多数のアルゴリズムの使用が可能！

一口に機械学習と言っても、モデルを作成するまでのアルゴリズムは様々です。アルゴリズムとは、計算方法や処理手順を指します。

scikit-learnには、機械学習ためのアルゴリズムが豊富に備わっています。主なアルゴリズムは次の通りです。

線形モデル
サポートベクターマシン
決定木
ニューラルネットワーク

これらのアルゴリズムにより、データセットの学習結果から新たな入力に対する数値を予測する「回帰」や、ラベルを予測する「分類」などの仕組みが実現できます。ただし、予測の精度を高めるには、十分な量の教師データやテストが必要です。

scikit-learnの特徴

scikit-learnには、初心者から上級者まで便利に機械学習を利用できるいくつかの特徴があります。主な特徴は次の通りです。

使用できるアルゴリズムの数が多い

scikit-learnには回帰や分類のほか、クラスタリングや次元削減、モデルの評価と選択など、幅広い分野のアルゴリズムが備わっています。また、前処理のためのデータ変形もscikit-learnの機能で行うことが可能です。同じ分野のアルゴリズムはコードの共通点が多く、実装しやすくなっています。

チートシートで適切な手法が案内される

どのアルゴリズムを使えば良いか、チートシート（早見表）で簡単に分かることも、scikit-learnの特徴です。対象となるデータの特徴について「サンプル数が50件未満か」、「テキスト形式のデータか」などの二択に答えていくと、データに適したアルゴリズムが分かります。

公式サイトの解説が分かりやすい

scikit-learnの公式サイトでは、scikit-learnの概要やアルゴリズムの仕組みなどが分かりやすく解説されています。引数の解説や実装例なども豊富なため、初心者でもスムーズに理解できます。

サンプルのデータセットが用意されている

機械学習のほとんどのアルゴリズムでは、学習するためのデータセットが必要です。その点、scikit-learnには、使いやすいように整形されたサンプルのデータセットが用意されているため、すぐに実装が可能です。

scikit-learnの使い方

ここでは、scikit-learnで機械学習を実装する方法を解説します。scikit-learnの使い方は次の通りです。

scikit-learnのインストール

scikit-learnのインストール方法は、Pythonの開発環境である「Anaconda」の有無によって異なります。Anacondaがすでにある場合は、scikit-learnが最初から含まれています。

一方、Anacondaを使わない場合は、パッケージマネージャーのpipコマンドによる操作が必要です。まず、Pythonの公式サイトにアクセスし、Pythonをインストールしましょう。その後、Mac OSでは「ターミナル」、Windowsでは「PowerShell」などから、以下のコマンドを実行することでscikit-learnをインストールできます。

pip install scikit-learn

1	pip install scikit-learn

自身の開発環境を確認して、scikit-learnのインストール方法を選びましょう。

ライブラリのインポート

scikit-learnの機能をプログラムで使う場合、ライブラリのインポートが必要です。例えば、以下のコードを実行すると、サポートベクターマシン（教師あり学習のパターンの1つ）のライブラリと、精度を出力するためのライブラリがインポートできます。

from sklearn import svm
from sklearn.metrics import accuracy_score

1 2	from sklearn import svm from sklearn.metrics import accuracy_score

データの用意

ライブラリのインポート後、機械学習の実装に用いるデータセットを用意しましょう。訓練データとラベル、テストデータを分けて記述する場合のコード例は次の通りです。

training_data = [[0,0], [0,1], [1,1]]
training_label = [0, 0, 1]
test_data = [[0,0], [0,1], [1,1]]

training_data = [[0,0], [0,1], [1,1]]

training_label = [0, 0, 1]

test_data = [[0,0], [0,1], [1,1]]

このコードでは、2つのパラメータを持つデータを3つ含む訓練データと、それぞれに対するラベルを用意しています。テストデータは結果が分かりやすいように、訓練データと全く同じ内容です。
上記はあくまでも一例のため、データの内容は必要に応じて変更しても大丈夫です。また、先にデータをインポートして、後から訓練データとテストデータに分けるという方法もあります。