第17回「scikit-learnの使い方（3）教師あり学習」

一般社団法人Pythonエンジニア育成推進協会は「第17回「scikit-learnの使い方（3）教師あり学習」」を公開しました。

＃＃＃

こんにちは、小澤です。
今回からscikit-learnを用いた分類と回帰について解説していきます。教科書『Pythonによる新しいデータ分析の教科書（第2版）』では、4.4.2章「分類」と4.4.3章「回帰」（225〜245ページ）の箇所です。
分類と回帰を理解するには、その基礎となる「教師あり学習」の概念を押さえることが重要です。そこで、今回は教師あり学習の基本について解説し、分類や回帰などへの適用方法を学んでいきましょう。

教師あり学習とは？
教師あり学習（Supervised Learning）は、機械学習の一種で、「入力データ」と「正解ラベル」がペアになったデータセットを用いてモデルを学習させる手法です。

教師あり学習の特徴
教師あり学習の目的は、モデルにデータのパターンを学習させ、未知のデータに対して正確なラベルを予測できるようにすることです。このため、入力データ（特徴量）とそれに対応する正解（ラベル）のペアからなるデータセットを使用し、モデルは各クラスの特徴を学習します。代表的な例として、以下のようなデータセットがあります。

この続きは以下をご覧ください
(リンク »)