ML-For-Beginners/translations/ja/2-Regression/1-Tools

PythonとScikit-learnを使った回帰モデルの入門

スケッチノート作成者: Tomomi Imura

講義前のクイズ

このレッスンはRでも利用可能です！

はじめに

この4つのレッスンでは、回帰モデルの構築方法を学びます。これらが何のために使われるのかについては後ほど説明します。しかし、その前に、プロセスを開始するための適切なツールを準備してください！

このレッスンで学ぶ内容:

• ローカルで機械学習タスクを実行するためのコンピュータの設定方法
• Jupyterノートブックの使い方
• Scikit-learnのインストールと使用方法
• 線形回帰を実際に体験する演習

インストールと設定

🎥 上の画像をクリックすると、コンピュータをML用に設定する短い動画が再生されます。

1. Pythonをインストール。コンピュータにPythonがインストールされていることを確認してください。Pythonは多くのデータサイエンスや機械学習タスクで使用されます。ほとんどのコンピュータシステムにはすでにPythonがインストールされています。一部のユーザー向けにセットアップを簡単にするための便利なPython Coding Packsも利用可能です。

   ただし、Pythonの使用方法によっては異なるバージョンが必要になる場合があります。そのため、仮想環境を使用することが便利です。

2. Visual Studio Codeをインストール。コンピュータにVisual Studio Codeがインストールされていることを確認してください。基本的なインストールについては、Visual Studio Codeのインストール手順に従ってください。このコースではVisual Studio CodeでPythonを使用するため、Visual Studio CodeのPython開発用設定について学んでおくと良いでしょう。

   Pythonに慣れるために、この学習モジュールのコレクションを試してみてください。

   

   🎥 上の画像をクリックすると、VS Code内でPythonを使用する方法の動画が再生されます。

3. Scikit-learnをインストール。こちらの手順に従ってインストールしてください。Python 3を使用する必要があるため、仮想環境を使用することをお勧めします。M1 Macにこのライブラリをインストールする場合、リンク先のページに特別な手順が記載されています。

4. Jupyter Notebookをインストール。Jupyterパッケージをインストールしてください。

ML作成環境

ノートブックを使用してPythonコードを開発し、機械学習モデルを作成します。このタイプのファイルはデータサイエンティストにとって一般的なツールであり、拡張子.ipynbで識別されます。

ノートブックは、コードを記述するだけでなく、コードに関するメモやドキュメントを追加することができるインタラクティブな環境です。これは実験的または研究指向のプロジェクトに非常に役立ちます。

🎥 上の画像をクリックすると、この演習を進める短い動画が再生されます。

演習 - ノートブックを操作する

このフォルダには、_notebook.ipynb_というファイルがあります。

1. Visual Studio Codeで_notebook.ipynb_を開きます。

   JupyterサーバーがPython 3+で起動します。ノートブック内にはrunできるコード部分があります。コードブロックを実行するには、再生ボタンのようなアイコンを選択します。

2. mdアイコンを選択し、以下のテキストを追加します: # Welcome to your notebook。

   次に、Pythonコードを追加します。

3. コードブロックに**print('hello notebook')**と入力します。

4. 矢印を選択してコードを実行します。

   以下の出力が表示されるはずです:

   hello notebook
   

コードとコメントを交互に記述することで、ノートブックを自己文書化することができます。

✅ ウェブ開発者の作業環境とデータサイエンティストの作業環境がどれほど異なるか、少し考えてみてください。

Scikit-learnの準備

Pythonがローカル環境にセットアップされ、Jupyterノートブックに慣れたら、次はScikit-learnに慣れる番です（sciはscienceのように発音します）。Scikit-learnは、MLタスクを実行するための広範なAPIを提供します。

公式サイトによると、「Scikit-learnは、教師あり学習と教師なし学習をサポートするオープンソースの機械学習ライブラリです。また、モデルのフィッティング、データの前処理、モデル選択と評価、その他多くのユーティリティを提供します。」

このコースでは、Scikit-learnやその他のツールを使用して、いわゆる「従来型の機械学習」タスクを実行するためのモデルを構築します。ニューラルネットワークや深層学習は、今後の「AI for Beginners」カリキュラムで詳しく扱う予定です。

Scikit-learnを使えば、モデルを簡単に構築し、それらを評価して使用することができます。主に数値データを使用することに焦点を当てており、学習ツールとして使用できるいくつかの既製データセットが含まれています。また、学生が試せる事前構築済みのモデルも含まれています。まずは、事前パッケージ化されたデータをロードし、Scikit-learnを使った最初のMLモデルを基本的なデータで試してみましょう。

演習 - 初めてのScikit-learnノートブック

このチュートリアルは、Scikit-learnのウェブサイトにある線形回帰の例に触発されています。

🎥 上の画像をクリックすると、この演習を進める短い動画が再生されます。

このレッスンに関連する_notebook.ipynb_ファイル内のすべてのセルを、ゴミ箱アイコンを押してクリアしてください。

このセクションでは、学習目的でScikit-learnに組み込まれている糖尿病に関する小さなデータセットを使用します。糖尿病患者の治療をテストしたいと仮定します。機械学習モデルは、変数の組み合わせに基づいて、どの患者が治療により良い反応を示すかを判断するのに役立つかもしれません。非常に基本的な回帰モデルでも、視覚化することで、理論的な臨床試験を整理するのに役立つ変数に関する情報を示すことができます。

✅ 回帰方法には多くの種類があり、どれを選ぶかは求めている答えによります。例えば、ある年齢の人の予測される身長を知りたい場合は、数値値を求めているため線形回帰を使用します。一方、ある料理がビーガン料理と見なされるべきかどうかを知りたい場合は、カテゴリの割り当てを求めているためロジスティック回帰を使用します。後ほどロジスティック回帰について詳しく学びます。データに対してどのような質問ができるか、そしてどの方法が適切か少し考えてみてください。

さっそくこのタスクを始めましょう。

ライブラリのインポート

このタスクでは以下のライブラリをインポートします:

• matplotlib。便利なグラフ作成ツールで、線グラフを作成するために使用します。
• numpy。numpyはPythonで数値データを扱うための便利なライブラリです。
• sklearn。これはScikit-learnライブラリです。

タスクを助けるためにいくつかのライブラリをインポートします。

1. 以下のコードを入力してインポートを追加します:

   import matplotlib.pyplot as plt
   import numpy as np
   from sklearn import datasets, linear_model, model_selection
   

   上記ではmatplotlib、numpyをインポートし、sklearnからdatasets、linear_model、model_selectionをインポートしています。model_selectionはデータをトレーニングセットとテストセットに分割するために使用されます。

糖尿病データセット

組み込みの糖尿病データセットには、糖尿病に関する442件のデータサンプルが含まれており、10個の特徴変数があります。その一部は以下の通りです:

• age: 年齢（年単位）
• bmi: ボディマス指数
• bp: 平均血圧
• s1 tc: T細胞（白血球の一種）

✅ このデータセットには、糖尿病に関する研究で重要な特徴変数として「性別」の概念が含まれています。多くの医療データセットにはこのような二分分類が含まれています。このような分類が治療から特定の人口を除外する可能性について少し考えてみてください。

次に、Xとyデータをロードします。

🎓 これは教師あり学習であり、名前付きの「y」ターゲットが必要です。

新しいコードセルで、load_diabetes()を呼び出して糖尿病データセットをロードします。入力return_X_y=Trueは、Xがデータマトリックスで、yが回帰ターゲットであることを示します。

1. データマトリックスの形状とその最初の要素を表示するためにいくつかのprintコマンドを追加します:

   X, y = datasets.load_diabetes(return_X_y=True)
   print(X.shape)
   print(X[0])
   

   返されるのはタプルです。タプルの最初の2つの値をそれぞれXとyに割り当てています。タプルについて詳しく学ぶ。

   このデータには442件のアイテムがあり、10個の要素で構成される配列の形状を持つことがわかります:

   (442, 10)
   [ 0.03807591  0.05068012  0.06169621  0.02187235 -0.0442235  -0.03482076
   -0.04340085 -0.00259226  0.01990842 -0.01764613]
   

   ✅ データと回帰ターゲットの関係について少し考えてみてください。線形回帰は特徴Xとターゲット変数yの間の関係を予測します。このデータセットのターゲットをドキュメントで見つけることができますか？このデータセットは何を示していますか？

2. 次に、このデータセットの一部をプロットするために選択します。データセットの3列目を選択します。これを行うには、:演算子を使用してすべての行を選択し、インデックス（2）を使用して3列目を選択します。また、reshape(n_rows, n_columns)を使用してデータを2D配列に再構成します。パラメータの1つが-1の場合、対応する次元が自動的に計算されます。

   X = X[:, 2]
   X = X.reshape((-1,1))
   

   ✅ いつでもデータを印刷してその形状を確認できます。

3. データをプロットする準備が整ったら、このデータセットの数値間に論理的な分割を決定するために機械を使用できるか確認します。これを行うには、データ（X）とターゲット（y）の両方をテストセットとトレーニングセットに分割する必要があります。Scikit-learnにはこれを簡単に行う方法があります。指定したポイントでテストデータを分割できます。

   X_train, X_test, y_train, y_test = model_selection.train_test_split(X, y, test_size=0.33)
   

4. これでモデルをトレーニングする準備が整いました！線形回帰モデルをロードし、model.fit()を使用してXとyのトレーニングセットでトレーニングします:

   model = linear_model.LinearRegression()
   model.fit(X_train, y_train)
   

   ✅ model.fit()はTensorFlowなどの多くのMLライブラリで見られる関数です。

5. 次に、テストデータを使用して予測を作成します。これにより、モデルのデータグループ間に最適な線を描画できます。

   y_pred = model.predict(X_test)
   

6. 次に、データをプロットで表示します。Matplotlibはこのタスクに非常に便利なツールです。すべてのXとyテストデータの散布図を作成し、予測を使用してデータグループ間の最適な位置に線を描画します。

   plt.scatter(X_test, y_test,  color='black')
   plt.plot(X_test, y_pred, color='blue', linewidth=3)
   plt.xlabel('Scaled BMIs')
   plt.ylabel('Disease Progression')
   plt.title('A Graph Plot Showing Diabetes Progression Against BMI')
   plt.show()
   

   ✅ 少し考えてみましょう。たくさんの小さなデータ点を通る1本の直線がありますが、この直線は一体何をしているのでしょうか？この直線を使って、新しい未確認のデータポイントがプロットのy軸に対してどこに位置するべきかを予測できる方法が見えてきませんか？このモデルの実用的な使い方を言葉で説明してみてください。

おめでとうございます！初めての線形回帰モデルを構築し、それを使って予測を行い、プロットに表示することができました！

---

🚀チャレンジ

このデータセットから別の変数をプロットしてみましょう。ヒント: この行を編集してください: X = X[:,2]。このデータセットのターゲットを考慮すると、糖尿病という病気の進行についてどのようなことが発見できるでしょうか？

講義後のクイズ

復習と自己学習

このチュートリアルでは、単回帰分析を扱いましたが、多変量回帰や重回帰分析ではありませんでした。これらの手法の違いについて少し調べてみるか、この動画を見てみてください。

回帰の概念についてさらに学び、この手法でどのような質問に答えられるのかを考えてみましょう。このチュートリアルを受講して理解を深めてください。

課題

別のデータセット

---

免責事項:
この文書は、AI翻訳サービス Co-op Translator を使用して翻訳されています。正確性を期すよう努めておりますが、自動翻訳には誤りや不正確な表現が含まれる可能性があります。元の言語で記載された原文を公式な情報源としてご参照ください。重要な情報については、専門の人間による翻訳を推奨します。本翻訳の利用に起因する誤解や誤認について、当社は一切の責任を負いません。