IT

1. scikit-learnとは
【事前資料】

2. scikit-learn
• scikit-learnは、Pythonの機械学習ライブラリです。「サイキット・ラー
ン」と読みます。scikit-learnはオープンソース（BSD license）で公開さ
れており、個人／商用問わず、誰でも無料で利用することができる。
• scikit-learnは、現在も活発に開発が行われており、多くの機械学習
アルゴリズムが実装されていますが、どのアルゴリズムでも同じよう
な書き方で利用することができます。
• このようなことから、初学者が機械学習を学び始めるには、最適のラ
イブラリと言える。
• ＊参照：TechAcademyマガジン：
https://techacademy.jp/magazine/17375

3. scikit-learnを利用するには、Anacondaなどの
開発環境のパッケージを使うのが簡単。
• Anacondaインストール手順
• 以下のサイトから Anaconda をダウンロードできます。
• https://www.anaconda.com/download
• また、サンプルのデータセット（トイデータセット）が付属しているため、
インストールしてすぐ機械学習を試すことができる

4. scikit-learnの主な機能、機械学習のモデル
について

5. データセットの読み込み
初めに、データセットを読み込み、どのようなデータが格納されている
か、確認してみます。以下のコードを入力して実行して下さい。
# scikit-learn ライブラリの読み込み from sklearn import datasets
# 手書き文字セットを読み込む digits =
datasets.load_digits() # どのようなデータか、確認
してみる import matplotlib.pyplot as plt
plt.matshow(digits.images[0], cmap="Greys")
plt.show()

6. 訓練データとテストデータの準備
データセットには、「手書き数字の画像データ」と、それに対する「数
字」が含まれます。データを訓練データとテストデータに分け、訓練
データで学習した結果を、テストデータで検証します。
# 画像データを配列にしたもの(numpy.ndarray型) X = digits.data # 画
像データに対する数字(numpy.ndarray型)。ラベルと言う y =
digits.target # 訓練データとテストデータに分ける # 訓練データ ：偶数
行 X_train, y_train = X[0::2], y[0::2] # テストデータ：奇数行 X_test,
y_test = X[1::2], y[1::2]

7. 学習
それでは、モデルに学習を行いましょう。以下で
はSVMというアルゴリズムを選択しています。
# 学習器の作成。SVMというアルゴリズムを選択
from sklearn import svm clf =
svm.SVC(gamma=0.001) # 訓練データとラベルで
学習 clf.fit(X_train, y_train)

8. モデルの評価
最後にモデルの学習結果を、テストデータを用いて評価します。
# テストデータで試した正解率を返す accuracy = clf.score(X_test,
y_test) print(f"正解率{accuracy}") # 学習済モデルを使ってテストデー
タを分類した結果を返す predicted = clf.predict(X_test) # 詳しいレポー
ト # precision(適合率): 選択した正解/選択した集合 # recall(再現率) :
選択した正解/全体の正解 # F-score(F値) : 適合率と再現率はトレード
オフの関係にあるため print("classification report")
print(metrics.classification_report(y_test, predicted))

9. 実行結果。

10. 続き
• 参照URL
• https://techacademy.jp/magazine/17375