🎓 機械学習の種類
| 種類 | 概要 | 例 |
|---|---|---|
| 教師あり学習 | 正解データ付きで学習。最もよく使われる | スパム判定・価格予測 |
| 教師なし学習 | 正解なしでデータのパターンを発見 | 顧客セグメンテーション・異常検知 |
| 強化学習 | 試行錯誤で最適な行動を学習 | 囲碁AI・ゲームAI |
📊 重要用語
| 用語 | 意味 |
|---|---|
| 特徴量（feature） | 入力データの各属性。例：家の面積・築年数 |
| ラベル（label） | 予測したい答え。例：家の価格 |
| 訓練データ | モデルの学習に使うデータ（全体の80%程度） |
| テストデータ | モデルの評価に使うデータ（全体の20%程度） |
| 過学習（overfitting） | 訓練データに特化しすぎて、新しいデータに対して精度が低い状態 |
# scikit-learnで線形回帰を実装する例
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
import numpy as np
# データ準備
X = np.array([[50], [70], [90], [60], [80]]) # 面積
y = np.array([150, 200, 250, 180, 230]) # 価格（万円）
# 訓練・テストに分割
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)
# モデルの学習
model = LinearRegression()
model.fit(X_train, y_train)
# 予測
pred = model.predict([[75]])
print(f"75平米の予測価格: {pred[0]:.0f}万円")
