📦 主要なscikit-learnモジュール
| クラス | 用途 |
|---|---|
LinearRegression | 線形回帰（数値予測） |
LogisticRegression | ロジスティック回帰（分類） |
DecisionTreeClassifier | 決定木（分類） |
RandomForestClassifier | ランダムフォレスト（分類） |
KNeighborsClassifier | k近傍法（分類） |
StandardScaler | 特徴量の標準化 |
train_test_split | データの分割 |
accuracy_score | 分類精度の計算 |
mean_squared_error | 回帰の誤差計算 |
🔄 機械学習の標準フロー
from sklearn.preprocessing import StandardScaler
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score
# 1. データ準備
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 2. 前処理
scaler = StandardScaler()
X_train = scaler.fit_transform(X_train)
X_test = scaler.transform(X_test)
# 3. モデル学習
model = RandomForestClassifier()
model.fit(X_train, y_train)
# 4. 評価
pred = model.predict(X_test)
print(f"精度: {accuracy_score(y_test, pred):.2%}")