今回は決定木の活用例として、きのこ派とたけのこ派を予測する人工知能を作りました。プログラム言語は、Pythonとscikit-learnです。

データサイエンスや機械学習では、グラフ作成ツールとしてMatplotlibが大変利用されています。なぜMatplotlibを使うのか、なぜグラフを作成するのか、その理由とグラフの作成方法をまとめました。

過去記事
※Pandas編：Python機械学習でなぜPandasが利用されているのか
※scikit-learn編：Python機械学習(AI)のデータ処理(pandas/scikit-learn)

Matplotlibとは

Matplotlibは、グラフ描画のためのPython用ライブラリです。データをいろんなグラフで可視化することが出来ます。折れ線グラフや散布図などたくさんのグラフが用意されています。

グラフの持つ力はすごいです。グラフは事実を分かりやすく人に伝えることが出来ます。例えば、横軸にビタミンCの摂取量、縦軸に肌の健康度を取り、棒グラフを作成したところ、右肩上がりなグラフができたとします。そのグラフを広告で大々的に打てば、明日には女性陣がビタミンCを買い込んですぐに売り切れてしまうでしょう。事実を目で見える形で示すこと、これがグラフの持つ力です。

matplotlibは、そんなグラフを簡単に無料で作ることが出来ます。

Pandasは、エクセルのようにデータを加工したり解析できるpython向けライブラリです。pythonのスクリプトコードの先頭行でインポートすると、Pandasを利用することが出来ます。

Pandas の基本的なデータ構造はDataFrame（データフレーム）です。DataFrameとは、Excelと同じデータ構造で、二次元のテーブルのことです。つまり行と列をもった配列データです。DataFrameの列データに付与するラベルをカラム（columns）と呼びます。

過去記事：AIエンジニアが教えるゼロから機械学習の勉強法

pythonはシンプルなプログラミング言語です。最も習熟しやすい言語のひとつです。また便利なライブラリがたくさんあります。

「初心者だけど機械学習を学びたい」「ゼロからAIを作れるようになりたい」という方向けに、最短で機械学習を習得する方法を書いてみました。

目次

やっぱり機械学習ツールはPythonとscikit-learn
機械学習の実装に必要な知識
機械学習のプログラミングは簡単
機械学習のおすすめ勉強法
　STEP１ 機械学習の基礎知識
　STEP２ 開発手法の知識
　STEP３ プログラミングの知識
　STEP４ 機械学習アルゴリズムの知識
機械学習に数学の知識は必要か
自分に合った勉強方法を選ぼう
１ヶ月間集中して機械学習を学ぶと周囲に宣言しよう
集中学習にはTechAcademyがおすすめ

※忙しい方は、「STEP１ 機械学習の基礎知識」からお読みください。

やっぱり機械学習ツールはPythonとscikit-learn

データサイエンス界のロイター通信的存在であるKDnuggetsから、今年最も利用されたデータサイエンスや機械学習ツールのランキングが発表されました。

元記事：Python eats away at R: Top Software for Analytics, Data Science, Machine Learning in 2018: Trends and Analysis

トップがPythonです。年々シェアが伸びています。またAnaconda、Tensorflow、scikit-learnなどPythonのライブラリ群もトップ10にランクインしています。一方Rは、前年比14%シェアを落としました。

Pythonは名実ともに機械学習のデファクトスタンダードになりました。我らがscikit-learnも9位と大健闘しています。Pythonとscikit-learnがあれば、機械学習は何とかなるのです。

本記事では、機械学習モデルの評価方法をまとめて解説します。

機械学習モデルの評価は「ホールドアウト法」と「交差検定（クロスバリデーション）」と「混合行列」が分かれば大丈夫です。Pythonとscikit-learnのコードと合わせて見ていきます。

参考記事：AIエンジニアが教えるゼロから機械学習の勉強法

ニューラルネットワークというアルゴリズムがあり、『入力層』・『中間層』・『出力層』の３つに分かれるのですが、このうち『中間層』を多層化したものをディープラーニングと呼びます。機械学習のアルゴリズムの一つです。

画像認識分野で非常に高い性能を発揮します。理由は、畳み込みニューラルネットワークとReLU関数です。畳み込みニューラルネットワークにより、画像の特徴を適切に捉えることが出来るようになりました。ReLU関数では、誤差逆伝播法で微分が１になることから、勾配が消えなくなるという問題を解決しました。またそもそも計算量が低いため、活性化関数として非常に利用されています。

音声認識分野でも、音声の「あ」とか「い」とかの波形があるのですが、その波形を画像と見立て分類することで、素晴らしい性能を発揮しています。