超シンプルなAIをPythonで作ってStreamlitで動かしてみた（予測モデルを保存して再利用）
こんにちは、最近AIに興味を持ち始めた初心者です！
「AIってどうやって作るの？」「とにかくシンプルなAIを試してみたい！」という思いで、
PythonとStreamlitを使って、超かんたんなAIを作ってみました。
今回は「時間から売上を予測するAIモデル」を作って、
学習済みモデルを保存し、Streamlitアプリで再利用するところまでやってみました！
📌 やったこと
- Pythonで機械学習（線形回帰）を使ってAIモデルを作成
- 学習済みモデルをファイルに保存
- StreamlitでWebアプリ化
- ユーザーの入力に応じて売上を予測して表示
🧠 1. 学習用コード（model.pklを作成）
まずは学習用のスクリプトを作成します。
data_model.py
from sklearn.linear_model import LinearRegression
import joblib
# 学習データ
X = [[1], [2], [3]]
y = [100, 200, 300]
# モデル作成＆学習
model = LinearRegression()
model.fit(X, y)
# モデルを保存
joblib.dump(model, 'model.pkl')
print("✅ モデルを保存しました")
🖥️ 2. Streamlitアプリで予測してみる
次に、保存したモデルを使ってユーザーからの入力で予測を行うStreamlitアプリを作る。
main.py
import streamlit as st
import joblib
# モデルを読み込み
model = joblib.load("model.pkl")
# アプリのタイトル
st.title("売り上げ予測AIシステム")
# ユーザーからの入力
user_input = st.number_input("何時間後の売上を予測したいか？", min_value=0, step=1)
# 予測ボタン
if st.button("予測する"):
try:
prediction = model.predict([[user_input]])
st.success(f"{user_input}時間後の売上予測は {prediction[0]:.2f} 個です")
except Exception as e:
st.error(f"エラーが発生しました: {e}")
▶️ 実行方法
Streamlitアプリは以下のコマンドで起動できます。
bash
streamlit run main.py
📚 おわりに
AIはなんだか難しそうと思っていましたが、
「学習 → 保存 → 予測」 という流れを理解することで、ぐっと身近に感じた。