Pythonで学ぶ機械学習ライブラリ「scikit-learn」徹底解説

目次

1. scikit-learnとは？
2. インストール方法
3. データセットの準備
4. scikit-learnの基本的な流れ
5. 分類問題の例
6. 回帰問題の例
7. モデルの評価方法
8. データ前処理・特徴量エンジニアリング
9. モデル選択とハイパーパラメータ調整
10. まとめ

---

1. scikit-learnとは？

scikit-learn はPythonで使える機械学習ライブラリで、簡単にモデル構築・学習・評価ができることが特徴です。

特徴

• 分類、回帰、クラスタリング、次元削減など幅広いアルゴリズムをサポート
• データの前処理、交差検証、ハイパーパラメータチューニングも可能
• pandasやnumpyと相性が良く、データ分析のワークフローに組み込みやすい

代表的な用途：

用途	例
分類（Classification）	スパムメール判定、画像認識
回帰（Regression）	株価予測、住宅価格予測
クラスタリング（Clustering）	顧客分類、マーケティング分析
次元削減（Dimensionality Reduction）	主成分分析、データ圧縮

---

2. インストール方法

pip install scikit-learn

バージョン確認：

import sklearn
print(sklearn.__version__)

---

3. データセットの準備

scikit-learnには有名なサンプルデータセットが用意されています。

from sklearn.datasets import load_iris

data = load_iris()
X = data.data  # 説明変数
y = data.target  # 目的変数

print(X.shape, y.shape)  # (150, 4) (150,)

pandasと組み合わせると見やすくなります。

import pandas as pd

df = pd.DataFrame(X, columns=data.feature_names)
df['target'] = y
print(df.head())

---

4. scikit-learnの基本的な流れ

1. データの準備
2. 学習用とテスト用に分割
3. モデルの選択
4. 学習（fit）
5. 予測（predict）
6. モデル評価

from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

model = LogisticRegression(max_iter=200)
model.fit(X_train, y_train)
y_pred = model.predict(X_test)

accuracy = accuracy_score(y_test, y_pred)
print(f"Accuracy: {accuracy:.2f}")

---

5. 分類問題の例（Irisデータセット）

from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import confusion_matrix, classification_report

clf = DecisionTreeClassifier()
clf.fit(X_train, y_train)
y_pred = clf.predict(X_test)

print("Confusion Matrix:\n", confusion_matrix(y_test, y_pred))
print("Classification Report:\n", classification_report(y_test, y_pred))

ポイント

• confusion_matrix で分類の精度や間違いを確認
• classification_report で精度、再現率、F1スコアをまとめて確認

---

6. 回帰問題の例

from sklearn.linear_model import LinearRegression
from sklearn.datasets import make_regression
from sklearn.metrics import mean_squared_error, r2_score

X, y = make_regression(n_samples=100, n_features=1, noise=20, random_state=42)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

model = LinearRegression()
model.fit(X_train, y_train)
y_pred = model.predict(X_test)

mse = mean_squared_error(y_test, y_pred)
r2 = r2_score(y_test, y_pred)
print(f"MSE: {mse:.2f}, R²: {r2:.2f}")

---

7. モデル評価方法

タイプ	評価指標	用途
分類	Accuracy, Precision, Recall, F1-score, Confusion Matrix	正解率、誤分類の確認
回帰	MSE, RMSE, R²	予測精度の確認

from sklearn.metrics import f1_score

f1 = f1_score(y_test, y_pred, average='macro')
print(f"F1 Score: {f1:.2f}")

---

8. データ前処理・特徴量エンジニアリング

機械学習の精度は データ前処理 に大きく依存します。

from sklearn.preprocessing import StandardScaler

scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)  # 平均0、分散1に正規化

• カテゴリ変数のエンコーディング → OneHotEncoder
• 欠損値処理 → SimpleImputer

---

9. モデル選択とハイパーパラメータ調整

from sklearn.model_selection import GridSearchCV
from sklearn.svm import SVC

param_grid = {'C':[0.1,1,10], 'kernel':['linear','rbf']}
grid = GridSearchCV(SVC(), param_grid, cv=5)
grid.fit(X_train, y_train)

print("Best Parameters:", grid.best_params_)
print("Best Score:", grid.best_score_)

• GridSearchCV で複数パラメータを自動で試し、最適モデルを選択
• クロスバリデーションで過学習を防ぐ

---

10. まとめ

• scikit-learnは 機械学習の入門から応用まで 幅広く使える
• データ準備 → 学習 → 予測 → 評価 の流れを理解することが重要
• データ前処理・ハイパーパラメータ調整で精度は大きく変わる
• 初心者でもサンプルデータや簡単なモデルで機械学習を体験可能

---