Python 3年生 機械学習 ④

みなさま、こんばんわ🌜

今日の大阪は台風7号が直撃していて、外は暴風雨になっています🌀😅💦

1	Python 3年生 機械学習 4日目

本日は『Python 3年生 機械学習のしくみ』という本の4日目の学習日でした。

本日は「4章 機械学習のいろいろなアルゴリズム」から学習をスタートさせました。

機械学習には様々な「アルゴリズム」があります。

「アルゴリズム」とは、予測や分類を賢くしている便利なものです。

2	回帰：線形回帰

機械学習のアルゴリズムには

• 回帰：どんな数値になるのかを予測したいときに使う
• 分類：これは何なのかを予測したいとき使う

などの種類があります。

線形回帰とは、予測したい状況（説明変数X）を数値で入力すると、予測結果（目的変数y）を数値で出力するアルゴリズムです。

直線でつないだものを 線形回帰（linear regression）、直線でない線でつないだものを 非線形回帰（non-linear regression）と言います。

線形回帰では主に 最小二乗法 という方法が使われます。

⭐最小二乗法とは

引いた線と実データとの誤差が1番少なくなるような線を求めます。

引いた線と実データの誤差をそのまま計算してしまうと、正しく求めることができません。

そこで差を二乗してその合計を求めます。

値を最小になるようにすることで、誤差の少ない線を求めることから「最小二乗法」と言います。

参考	森巧尚（2021）『Python3年生 機械学習のしくみ 体験してわかる! 会話でまなべる! 』翔泳社

データを作り、線形回帰のモデルに、訓練データを使って学習させました。

正解率をテストし（正解率 84.983％）散布図上に予測の線を引いて、確認してみました。

よさそうな線が引けましたね😊️

3	分類：ロジスティック回帰

ロジスティック回帰とは、「YESかNOか、といった2種類（場合によっては3種類以上）の分類を回帰で予測する」アルゴリズムです。

用意したデータをシグモイド関数でグラフ化してみました。

グラフの形がいかにも、ロジスティックス回帰みたいですね😃

4	SVM（サポートベクターマシン）

次に、SVM（サポートベクターマシン）のアルゴリズムを使って、学習を進めました。

SVM（サポートベクターマシン）は、なるべく公平な境界線を引いて、分類を予測するアルゴリズムです。

境界線の複雑さ（gamma）を変えて、分類の状態を描画してみました。

「kernel="rbf"」というコードの意味がわからなかったので、ChatGPT に聞いてみました。

ChatGPT の説明を読んで、何となくふんわりとわかったような気がしました😅

プログラミングは1日にしてならず、ですよね😅

5	分類：決定木

次のアルゴリズムは「決定木」です。

「決定木」とは、2択の質問で分岐を行いそれを繰り返して、どのように分類していくのかが、人間にわかりやすいアルゴリズムです。

plot_tree命令を使って、ツリー構造を描画してみました。

基本情報技術者試験に出てくる「二分選択木」っぽいですね。

6	基本情報技術者試験の成果

基本情報技術者試験の時にアルゴリズムを勉強したことが、今とても役に立っています😊️

プログラミングの勉強をはじめても、7～8割の人は途中で詰まって挫折してしまいます。

挫折率の高さを知った私は、少しでも挫折の確率を下げるために、先に「基本情報技術者」の試験勉強をしました。

基本情報技術者試験は、コンピュータの構造や動き方、アルゴリズムの知識を問う基礎的な試験です。

先に基本情報技術者試験の勉強をしたことで、今、プログラミングで詰まらずに学習を進められていると思います。

今日はここまで❗

最後までお読みいただき、ありがとうございました😄

また来てね～😄👋