Python環境を起動中... 初回のみ数秒かかります
Lesson 2 / 12

機械学習の用語と学習の流れ

このレッスンで学ぶこと

  • 特徴量（X）・ラベル（y）・モデルが何かを説明できる
  • 「学習（fit）」と「推論（predict）」の2ステップを理解できる
  • データを特徴量とラベルに分けて確認できる
  • これから作るモデルの「全体の流れ」がイメージできる

1. 機械学習の「登場人物」を覚えよう

前回、機械学習は「データからパターンを学ぶ」ことだと学びました。 ここからは少しずつ言葉を覚えていきます。とはいえ難しくありません。 機械学習の主な登場人物は3つだけです。

📖 まず覚える3つの言葉：

  • 特徴量（feature）…予測の手がかりになる数値。検査値や年齢など。慣習で X（大文字）と書く
  • ラベル（label）／ターゲット（target）…予測したい「答え」。正解データとも呼ぶ。慣習で y（小文字）と書く
  • モデル（model）…特徴量 X から答え y を予測する“仕組み”。学習することで賢くなる

前回の乳がんデータでいえば、30項目の検査値が「特徴量 X」、 「悪性／良性」が「ラベル y」です。実際にコードで分けてみましょう。

sample_1.py
Ctrl+Enter
出力

💡 「サンプル」という言葉： データ1件（ここでは患者1人分）のことを サンプル（sample） と呼びます。 X[0] は1人目のサンプルの特徴量（30個の数値）、y[0] はその人の答え（悪性か良性か）です。 「たくさんのサンプル（X, y）を見せて、モデルにパターンを学ばせる」——これが機械学習の基本動作です。

2. 学習（fit）と推論（predict）の2ステップ

モデルを使うときの流れは、大きく2ステップです。下の図がこのコース全体の地図になります。

機械学習の流れ：訓練データで学習し、新しいデータに予測する
① 訓練データ（X, y）で学習（fit）→ ② 学習済みモデルが新しいデータ（X）に予測（predict）

実際のコードは、毎回ほぼ同じ形になります（今は「こういう形なんだ」と眺めるだけでOK）。 

# ① 学習（fit）：答えつきデータでモデルを賢くする
model.fit(X_train, y_train)

# ② 推論（predict）：新しいデータに答えを予測させる
predictions = model.predict(X_new)

💡 X_train って何？： 上のコードで X_train とあるのは「学習に使うデータ」＝訓練データのことです。 実は、手元のデータをすべて学習に使うのではなく、一部を“本番テスト用”に取っておくのが鉄則です。 この「訓練データとテストデータに分ける」話は、次の レッスン3「訓練データとテストデータ」 でくわしく扱います。 実際に model を作って fit / predict するのは レッスン4 からです。

3. データを「特徴量」と「ラベル」の表で見る

特徴量とラベルを、使い慣れた pandasの表で見てみましょう （pandasコースで学んだ DataFrame をそのまま使えます）。 「特徴量＝表の各列」「ラベル＝答えの1列」という対応がはっきりします。

sample_2.py
Ctrl+Enter
出力

🩺 医療データ文脈： この表のように、医療データは「1行＝1人の患者」「各列＝検査項目（特徴量）」「答えの列＝診断（ラベル）」という形になります。 pandasで整えたデータを、そのまま機械学習モデルに渡せる——だからこのコースは pandas の知識が前提なのです。

4. 練習問題

問題 1

データを X と y に分けよう

load_diabetes（糖尿病データ）を読み込み、特徴量 X と ラベル y に分けて、それぞれの shape を表示してください。

exercise_1.py
出力
ヒントを見る（答え＋解説） 
from sklearn.datasets import load_diabetes

data = load_diabetes()

# X（特徴量）と y（ラベル）に分けて、それぞれの shape を表示してください
X = data.data
y = data.target
print("X の形:", X.shape)   # (442, 10)
print("y の形:", y.shape)   # (442,)

data.data が特徴量 X、data.target がラベル y です。442人 × 10項目の特徴量と、442人分の答えがあります。どのデータセットでもこの形（X と y）は共通です。

問題 2

1人分（サンプル）を取り出そう

糖尿病データの1人目の特徴量の個数（len(X[0])）と、その人の答え（y[0]）を表示してください。

exercise_2.py
出力
ヒントを見る（答え＋解説） 
from sklearn.datasets import load_diabetes

data = load_diabetes()
X = data.data
y = data.target

# 1人目の特徴量の個数 と、その人の答え(y[0]) を表示してください
print("特徴量の数:", len(X[0]))   # 10
print("1人目の答え:", y[0])       # 151.0

1人目のサンプルは10個の特徴量を持ち、その答えは 151.0（数値）。答えが数値なので、これは回帰の問題です（数値を予測）。

問題 3

ラベルの内訳を数えよう

乳がんデータで、良性（y が 1）と悪性（y が 0）がそれぞれ何人いるかを数えて表示してください。 （ヒント：(y == 1).sum() で1の個数を数えられます）

exercise_3.py
出力
ヒントを見る（答え＋解説） 
from sklearn.datasets import load_breast_cancer

data = load_breast_cancer()
y = data.target

# 良性(1)と悪性(0)がそれぞれ何人か数えて表示してください
print("良性(1):", (y == 1).sum(), "人")   # 357
print("悪性(0):", (y == 0).sum(), "人")   # 212

良性357人・悪性212人。このようにクラス（区分）ごとの人数のバランスを最初に確認するのは大切です。 片方に極端に偏っていると、モデルの評価に注意が必要になります（くわしくはレッスン8で扱います）。

5. まとめ

このレッスンのポイント

  • 特徴量（X）＝予測の手がかりの数値／ラベル（y）＝予測したい答え
  • モデル＝Xからyを予測する仕組み。サンプル＝データ1件
  • 機械学習は ① 学習（fit）→ ② 推論（predict） の2ステップ
  • data.data＝X、data.target＝y で取り出せる
  • pandasの表で見ると「列＝特徴量」「答えの列＝ラベル」が一目で分かる

自由に試してみましょう：

free_practice.py
出力

完了するとコース一覧に進捗が記録されます