実践 機械学習システム

2.3

 より複雑なデータセットとクラス分類

37

2.3

　より複雑なデータセットとクラス分類

ここでは、先ほどの例よりも少しだけ複雑なデータセットを扱います。その複雑さに対応するため、

新しい分類アルゴリズムと参考になるアイデアをいくつか紹介します。

2.3.1

　種（たね）データセットを学習する

ここでは、農業に関するデータセットを見ていきます。データ数は少ないですが、アイリスデータ

セットで行ったような全ての特徴量の組み合わせをプロットするには、特徴量の数が多すぎます。ここ

で扱うデータは、小麦の種に関する計測データです。次に示す７つの特徴量が計測されています。

●

面積（

A

）

●

周囲長さ（

P

）

●

密集度（

C

=4π

A

/

P

2

）

●

長さ

●

幅

●

非対称係数

●

殻溝の長さ

データセットには３つの品種の小麦があります。カナダ産、コマ産、ロサ産です。これまで通り、形

状に関する計測データから、小麦の品種を分類することが

目標です。

アイリスデータセットは1930年代に使用されたデータですが、今回はそれと違って、最近になって

収集されたデータセットです。計測された特徴量は、コンピュータによってデジタル画像から自動的に

計算されています。

これは、画像認識システムを実装する方法について学んでいることにもなります。画像認識システ

ムは、入力された画像から特徴量を抽出し、汎用的な機械学習アルゴリズムを用いて学習を行いま

す。後の章で、コンピュータビジョンに関する問題を扱い、画像から特徴量を抽出します。ここでは、

与えられた特徴量 ...