AI: 機械学習入門

IF age > 30 AND browse_count > 3 THEN buy = yes
IF age < 25 AND cart_count > 0 THEN buy = maybe
IF region = "east" AND discount > 20% THEN buy = yes
... (さらに 300 のルールの後) ...

# ルールベースのアプローチ：あなたがロジックを書く
def will_buy_rules(user):
    """手書きのルールで購入を予測"""
    if user['age'] > 30 and user['browse_count'] > 3:
        return True
    if user['cart_count'] > 0 and user['discount_pct'] > 20:
        return True
    return False

# ML アプローチ：アルゴリズムがデータから学習
# from sklearn.neighbors import KNeighborsClassifier
# model = KNeighborsClassifier(n_neighbors=5)
# model.fit(X_train, y_train)  # 10万件のレコードからパターンを学習
# prediction = model.predict(new_user_data)

# Iris データセットを読み込み構造を確認
from sklearn.datasets import load_iris

iris = load_iris()
print(f"特徴名: {iris.feature_names}")
print(f"ターゲット名:  {list(iris.target_names)}")
print(f"サンプル数:       {iris.data.shape[0]}")
print(f"特徴数:      {iris.data.shape[1]}")
print(f"\n最初の 5 サンプル:")
for i in range(5):
    print(f"  {iris.data[i]} → {iris.target_names[iris.target[i]]}")

特徴名: ['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)', 'petal width (cm)']
ターゲット名:  ['setosa', 'versicolor', 'virginica']
サンプル数:       150
特徴数:      4

最初の 5 サンプル:
  [5.1 3.5 1.4 0.2] → setosa
  [4.9 3.0 1.4 0.2] → setosa
  [4.7 3.2 1.3 0.2] → setosa
  [4.6 3.1 1.5 0.2] → setosa
  [5.0 3.6 1.4 0.2] → setosa

生データ → 特徴エンジニアリング → 特徴
"北京在住の 25 歳男性" → [25, 1, 39]  （年齢, 性別コード, 都市コード）

model = SomeClassifier(params)    # 1. モデル作成
model.fit(X_train, y_train)      # 2. モデル学習
model.predict(X_new)             # 3. 予測
model.score(X_test, y_test)      # 4. 評価

# KNN 分類器：学習と予測
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier

# データ読み込みと分割
X, y = load_iris(return_X_y=True)
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.3, random_state=42, stratify=y
)

# モデル作成と学習
knn = KNeighborsClassifier(n_neighbors=5)
knn.fit(X_train, y_train)

# 予測
y_pred = knn.predict(X_test)

# 評価
train_acc = knn.score(X_train, y_train)
test_acc = knn.score(X_test, y_test)
print(f"学習精度: {train_acc:.3f}")
print(f"テスト精度:  {test_acc:.3f}")

# 新しいサンプルを予測
import numpy as np
new_sample = np.array([[5.0, 3.4, 1.5, 0.2]])
pred = knn.predict(new_sample)
print(f"新しいサンプルの予測クラス: {load_iris().target_names[pred[0]]}")

学習精度: 0.971
テスト精度:  0.978
新しいサンプルの予測クラス: setosa

# 異なる k 値の KNN を比較
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier

X, y = load_iris(return_X_y=True)
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.3, random_state=42, stratify=y
)

print("=== KNN: k 値の影響 ===")
for k in [1, 3, 5, 7, 9, 15, 30]:
    knn = KNeighborsClassifier(n_neighbors=k)
    knn.fit(X_train, y_train)
    train_acc = knn.score(X_train, y_train)
    test_acc = knn.score(X_test, y_test)
    print(f"k={k:2d} | 学習: {train_acc:.3f} | テスト: {test_acc:.3f}")

=== KNN: k 値の影響 ===
k= 1 | 学習: 1.000 | テスト: 0.956
k= 3 | 学習: 0.971 | テスト: 0.978
k= 5 | 学習: 0.971 | テスト: 0.978
k= 7 | 学習: 0.971 | テスト: 0.978
k= 9 | 学習: 0.971 | テスト: 0.978
k=15 | 学習: 0.971 | テスト: 0.978
k=30 | 学習: 0.952 | テスト: 0.956

# 詳細な分類レポート
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import classification_report

X, y = load_iris(return_X_y=True)
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.3, random_state=42, stratify=y
)

knn = KNeighborsClassifier(n_neighbors=5)
knn.fit(X_train, y_train)
y_pred = knn.predict(X_test)

print("=== 分類レポート ===")
print(classification_report(y_test, y_pred, target_names=load_iris().target_names))

=== 分類レポート ===
              precision    recall  f1-score   support

      setosa       1.00      1.00      1.00        15
  versicolor       1.00      0.93      0.97        15
   virginica       0.94      1.00      0.97        15

    accuracy                           0.98        45
   macro avg       0.98      0.98      0.98        45
weighted avg       0.98      0.98      0.98        45

# Iris で KNN の決定境界を可視化（2 特徴）
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import load_iris
from sklearn.neighbors import KNeighborsClassifier

iris = load_iris()
X = iris.data[:, :2]  # 2D プロットのため最初の 2 特徴のみ
y = iris.target

knn = KNeighborsClassifier(n_neighbors=5)
knn.fit(X, y)

# 決定境界用のメッシュグリッド作成
h = 0.02
x_min, x_max = X[:, 0].min() - 0.5, X[:, 0].max() + 0.5
y_min, y_max = X[:, 1].min() - 0.5, X[:, 1].max() + 0.5
xx, yy = np.meshgrid(np.arange(x_min, x_max, h),
                     np.arange(y_min, y_max, h))
Z = knn.predict(np.c_[xx.ravel(), yy.ravel()]).reshape(xx.shape)

# プロット
plt.figure(figsize=(8, 6))
plt.contourf(xx, yy, Z, alpha=0.3, cmap=plt.cm.Set1)
scatter = plt.scatter(X[:, 0], X[:, 1], c=y, cmap=plt.cm.Set1, edgecolors='black')
plt.xlabel('がく片の長さ (cm)')
plt.ylabel('がく片の幅 (cm)')
plt.title('Iris 上の KNN (k=5) の決定境界')
plt.legend(handles=scatter.legend_elements()[0], labels=list(iris.target_names))
plt.savefig('knn_decision_boundary.png', dpi=150, bbox_inches='tight')
plt.show()
print("決定境界のプロットを保存しました。")

# ============================================
# 完全な ML ワークフロー: Iris データセットの KNN
# ステップ 1-6: 評価付きの全パイプライン
# ============================================

import numpy as np
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import (accuracy_score, classification_report,
                             confusion_matrix)

# ステップ 1: データ読み込み
iris = load_iris()
X, y = iris.data, iris.target
print(f"ステップ1 - データ読み込み: {X.shape[0]} 件, {X.shape[1]} 特徴")
print(f"  クラス: {list(iris.target_names)}")
print(f"  クラス分布: {np.bincount(y)}")

# ステップ 2: データ分割（学習 70%、テスト 30%）
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.3, random_state=42, stratify=y
)
print(f"\nステップ2 - データ分割: Train={len(X_train)}, Test={len(X_test)}")

# ステップ 3: 特徴スケーリング（KNN で重要！）
scaler = StandardScaler()
X_train_scaled = scaler.fit_transform(X_train)
X_test_scaled = scaler.transform(X_test)
print(f"\nステップ3 - 特徴スケーリング完了 (平均≈0, 標準偏差≈1)")
print(f"  スケーリング前 - 平均: {X_train.mean(axis=0).round(2)}")
print(f"  スケーリング後 - 平均: {X_train_scaled.mean(axis=0).round(2)}")

# ステップ 4: モデル学習
knn = KNeighborsClassifier(n_neighbors=5)
knn.fit(X_train_scaled, y_train)
print(f"\nステップ4 - モデル学習完了: KNN (k=5)")

# ステップ 5: 評価
y_pred = knn.predict(X_test_scaled)
test_acc = accuracy_score(y_test, y_pred)
print(f"\nステップ5 - 評価:")
print(f"  テスト精度: {test_acc:.3f}")
print(f"\n{classification_report(y_test, y_pred, target_names=iris.target_names)}")
print("混同行列:")
print(confusion_matrix(y_test, y_pred))

# ステップ 6: 新しいサンプルを予測
new_data = np.array([
    [5.1, 3.5, 1.4, 0.2],   # おそらく setosa
    [6.7, 3.0, 5.2, 2.3],   # おそらく virginica
    [5.9, 3.0, 4.2, 1.5],   # おそらく versicolor
])
new_data_scaled = scaler.transform(new_data)
predictions = knn.predict(new_data_scaled)
print("\nステップ6 - 新しい予測:")
for i, pred in enumerate(predictions):
    print(f"  サンプル {i+1} → {iris.target_names[pred]}")

ステップ1 - データ読み込み: 150 件, 4 特徴
  クラス: ['setosa', 'versicolor', 'virginica']
  クラス分布: [50 50 50]

ステップ2 - データ分割: Train=105, Test=45

ステップ3 - 特徴スケーリング完了 (平均≈0, 標準偏差≈1)
  スケーリング前 - 平均: [5.86 3.06 3.78 1.2 ]
  スケーリング後 - 平均: [ 0. -0.  0. -0.]

ステップ4 - モデル学習完了: KNN (k=5)

ステップ5 - 評価:
  テスト精度: 1.000

              precision    recall  f1-score   support

      setosa       1.00      1.00      1.00        15
  versicolor       1.00      1.00      1.00        15
   virginica       1.00      1.00      1.00        15

    accuracy                           1.00        45
   macro avg       1.00      1.00      1.00        45
weighted avg       1.00      1.00      1.00        45

混同行列:
[[15  0  0]
 [ 0 15  0]
 [ 0  0 15]]

ステップ6 - 新しい予測:
  サンプル 1 → setosa
  サンプル 2 → virginica
  サンプル 3 → versicolor