実践 機械学習システム

5.10

 まとめ

111

おめでとうございます！ これで分類器をいつでも訓練済みの利用可能な状態にすることができまし

た。

5.10

　まとめ

なんとかやり遂げることができました！ ノイズが多く含まれるデータセットから、私たちが目標とし

たことを部分的には達成できる分類器を作成することができました。ただし、私たちは実用性を重視

し、当初の目標を修正する必要がありました。しかし、その過程で最近傍法とロジスティック回帰の利

点・欠点について学ぶことができました。また、特徴量について

―

具体的には、

LinkCount

、

NumTextTokens

、

NumCodeLines

、

AvgSentLen

、

AvgWordLen

、

NumAllCaps

、

NumExclams

、

NumImages

―

その抽出方法を学びました。最後に、それぞれの特徴量が分類器の

性能にどれだけの影響があるか、ということについても学びました。

多くのことを学びました

が、その中でもより重要な事は、分類器の性能が悪い場合、それを改善す

るための方法論についてです。ここで学んだ方法に従えば、将来“使える”システムをより早く開発す

ることができるでしょう。

本章では最近傍法とロジスティック回帰について見てきたので、次章ではNaive Bayesという単純

ですが強力な手法を紹介します。また、scikit-learnが提供する便利なツールの使い方についても学

ぶことにします。