組み込み開発のためのPython · レッスン 124 / 220
機械学習を始める
機械学習はデータから規則を学び、未知の入力を予測する手法です。目的変数、特徴量、評価方法を定め、まず単純な基準値と比較します。
機械学習はデータから規則を学び、未知の入力を予測する手法です。目的変数、特徴量、評価方法を定め、まず単純な基準値と比較します。 仕組みだけでなく、検証方法と運用上の注意も具体例で確認します。
基本の考え方
機械学習はデータから規則を学び、未知の入力を予測する手法です。目的変数、特徴量、評価方法を定め、まず単純な基準値と比較します。
安全に試すための確認
例は学習用データを使うもので、品質を保証する予測器ではありません。実データの欠損、単位、偏り、データ漏えいを確認し、テスト用データを学習中に参照しないでください。
コード例
手元のPython環境に貼り付ける前に、使用しているPythonの版と対象ライブラリの対応を確認してください。
from sklearn.dummy import DummyRegressor
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split([[1], [2], [3], [4]], [2, 4, 6, 8], random_state=0)
model = DummyRegressor(strategy="mean").fit(X_train, y_train)
print(model.score(X_test, y_test))手を動かす課題
予測対象と入力特徴量を一つずつ決め、平均値だけを予測する基準モデルと比較してください。