Pythonデータサイエンスハンドブック ―Jupyter、NumPy、pandas、Matplotlib、scikit-learnを使ったデータ分析、機械学習

335

5

章 

機械学習

多くの場合、データサイエンスは機械学習という形で現実世界の問題を扱います。データサイエ

ンスの計算技術およびアルゴリズムに関するスキルと、統計的思考が融合する場所が機械学習で

す。その結果、推論やデータ探索に関するさまざまなアプローチが生み出されましたが、それらは

効率的な理論ほどには効率的な計算技術を伴いません。

「機械学習」という言葉は一種の魔法のように扱われ、機械学習を手持ちのデータに適用すれば、

あらゆる問題が解決されるかのごとく喧伝されています。すぐにわかるように、現実はそれほど単

純ではありません。こうした手法は信じられないほど強力ですが、効果的に活用するためには、そ

れぞれの長所と短所を徹底的に把握した上で、バイアス

-

バリアンス、過学習と未学習などの一般

的な概念を把握する必要があります。

この章では、主に

Python

の

scikit-learn

パッケージ（

http://scik

it-learn.org

）を使用して、機械学

習の実践的な側面を説明します。これは機械学習分野を包括的に紹介したものではありません。機

械学習はテーマとしては巨大であり、本書で行ったよりもずっと高度に技術的なアプローチが必要

となります。また、本章は

scikit-learn

パッケージ（これについては、「5.15 機械学習をさらに学

ぶためのリソース」を参照してください）を使用するための包括的マニュアルでもありません。む

しろ、この章は以下の項目を目的としています。

●

機械学習の基本的な語彙と概念を紹介する ...