AI・機械学習の始め方 — 花の測定値から、品種を予測してみよう

ひよこ

花の長さから、品種を予測することもできる？

ペンギン先生

できるよ。このガイドでは、アヤメの花の測定値と品種の例から学ぶ。機械学習はデータから予測の手がかりを学ぶ方法で、AIという広い分野の一部。深層学習はその中で多層のニューラルネットワーク等を使う分野なんだ。

ひよこ

最初に何を勉強すればいい？

ペンギン先生

このガイドではPythonを使うよ。変数、リスト、関数を学び、表の行と列が何を表すかを理解しよう。確率・統計や行列、微分も役立つけれど、最初の分類モデルを動かすために全部を先に習得する必要はないよ。

ひよこ

パソコンの設定が難しそうだよ。

ペンギン先生

Google Colabならブラウザからノートブックを使えるよ。無料の計算資源もあるけれど、GPUの種類・利用時間・割り当ては保証されないんだ。この記事の小さなscikit-learnの例はCPUで試せるので、GPUを確保する必要はないよ。

ひよこ

どんなモデルを作るの？

ペンギン先生

アヤメの花の計測値から品種を分類するIrisデータセットを使うよ。正解ラベル付きの例から学ぶので教師あり学習だね。正解ラベルなしで構造を探す教師なし学習、行動と報酬から方策を学ぶ強化学習とは目的が違うんだ。

ひよこ

学習したデータで当たれば成功？

ペンギン先生

それだけでは不十分だよ。学習用と評価用を先に分け、モデルがまだ見ていないデータで正解率を測ろう。前処理も評価データを見て調整すると結果がよく見えすぎることがある。テスト結果を何度も見てモデルを選ぶ場合も、別の検証データや交差検証が必要だね。

ひよこ

過学習はどうやって直すの？

ペンギン先生

学習用ではよく当たるのに、未学習データで性能が落ちる場合に疑うんだ。データ分割や漏洩を点検してから、モデルを単純にしたり正則化したりする。L1・L2は『正規化』ではなく『正則化』だよ。Dropoutなど、特定のモデルで使う手法を何にでも当てはめないようにしよう。

ひよこ

画像や文章も扱いたくなったら？

ペンギン先生

Pythonとデータ処理、モデル評価を学んだ後、必要に応じてPyTorchやTensorFlowなどの深層学習の教材へ進もう。『研究専用』『実用専用』と固定して分けるものではないよ。学習期間は経験や使える時間で変わるので、月数よりも自分で説明・評価できる課題を増やすことを目標にしようね。

ひよこ

実務で使うには何が追加で必要なの？

ペンギン先生

入力データの利用許諾や個人情報、偏り、運用後の性能変化を確認する必要があるよ。入門データで高い正解率が出ても、別の用途で役立つ証明にはならない。まずは下の例を動かして、何を入力にし、何を予測し、どう評価したかを説明してみよう。

まずは、何を入力して何を当てるかを見る

このページでは、アヤメのがく・花びらの長さと幅の4つの測定値から品種を予測します。表の1行が花1個、4つの列が入力、品種が正解です。GPUを用意せず、CPUで試せる小さな分類から始めましょう。

学習用120件でモデルを作り、残した30件で試します。「練習した問題で当たる」ことと「初めての問題で当たる」ことを、最初から分けます。

環境を用意する

Google Colabでは新しいノートブックに下のPython例を貼り付けて実行できます。ライブラリが見つからない場合は、別セルで %pip install scikit-learn を実行してください。

ローカルではPython 3を用意し、仮想環境を作成します。実行ポリシーを変更せずに使えるよう、仮想環境のPythonを直接指定します。

Windows PowerShell

python -m venv ml-env
.\ml-env\Scripts\python.exe -m pip install scikit-learn
.\ml-env\Scripts\python.exe iris_example.py

macOS・Linux

python3 -m venv ml-env
./ml-env/bin/python -m pip install scikit-learn
./ml-env/bin/python iris_example.py

最後の実行コマンドは、次のコードを iris_example.py に保存してから実行します。

最初の分類モデル

import sklearn
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score

iris = load_iris()
X_train, X_test, y_train, y_test = train_test_split(
    iris.data, iris.target, test_size=0.2, random_state=42,
    stratify=iris.target,  # 品種の割合をなるべく保つ
)
model = RandomForestClassifier(n_estimators=100, random_state=42)
model.fit(X_train, y_train)
predictions = model.predict(X_test)
print(f"scikit-learn: {sklearn.__version__}")
print(f"学習件数: {len(y_train)}, 評価件数: {len(y_test)}")
print(f"正解率: {accuracy_score(y_test, predictions):.2%}")

学習120件・評価30件と正解率が表示されます。正解率は評価用データで当たった割合です。結果はバージョンやデータ分割にも依存し、この例の数値を実用上の性能保証には使えません。

次に学ぶこと

• 分類と回帰、訓練・検証・テストの役割を区別する。
• NumPyやpandasでデータの欠損・分布を調べる。
• 前処理とモデルをPipelineにまとめ、交差検証を学ぶ。
• 深層学習が必要な課題で、公式の入門教材を試す。

本番データに置き換える際は、時系列・同じ人物の重複など、ランダム分割では評価が甘くなる要因も確認しましょう。

🐧 ペンギン先生のまとめ：「機械学習」って出てきたら「例から学び、初めての例で予測を試す方法」と思えばだいたいOK！

学習の中身は機械学習の仕組み、資料を参照する方法はRAGの仕組みへ進めます。

参考資料

確認日：2026年10月9日。機能・利用条件は更新されるため、利用時は各公式ページも確認してください。

• Google Colab FAQ — GPU・実行時間などの資源制限
• scikit-learn Getting Started — 学習・評価・Pipeline
• scikit-learn Common pitfalls — データ漏洩と分割前後の処理
• train_test_split — stratifyとrandom_state
• RandomForestClassifier — 分類モデルとパラメータ