scikit-learnとは

scikit-learn（サイキット・ラーン）はPython用の機械学習ライブラリです。scikit-learnはオープンソースで公開されており、個人・商用問わず、誰でも無料で利用することが出来ます。また、教師あり学習、教師なし学習に関するアルゴリズム(サポートベクターマシン、ランダムフォレスト、回帰、クラスタリングなど)が一通り利用出来る上、サンプルのデータセット（トイデータセットと呼びます）が豊富に揃っています。

そのためscikit-learnを用いるとすぐさま機械学習プログラミングを試すことが可能です。※より詳しい内容に関しては、公式サイト(英語)に記載されておりますので、scikit-learnに実装されている関数が出てきた際には、リファレンスとして読む事をオススメ致します。

書籍で学びたい方はこちらの書籍がおすすめです。

なぜscikit-learnを学ぶのか

なぜPythonを用いて機械学習を活用する際に、scikit-learnを学ぶのでしょうか。それはscikit-learnは、Pythonで(統計的)機械学習プログラミングを行う場合、世界的にもデファクトスタンダードになっているからです。scikit-learnは無料で利用する事が出来ますので、機械学習を扱うのであればしっかりと使いこなせるようにしましょう。

scikit-learnをインストールする

scikit-learnを利用するには「Anaconda」を用いるか、「Anaconda」を使っていない環境ではpipコマンドなどでインストールが可能です。Anaconda経由でダウンロードした場合は、最初からscikit-learnがインストールされています。

例）pipコマンドを用いた実行例

pip install scikit-learn

Mac OSの方は「ターミナル」から実行し、Windowsの方はPowerShellなどから実行してください。
※pipコマンドが利用できる前提です

scikit-learn 付属のデータセットに関して

scikit-learnには、インストールすることであらかじめ使えるトイデータセット（Toy dataset）が付属しています。

トイデータセットというのは、scikit-learnに同梱されているサンプル数の少ないデータセットになります。

データ数が少ないため、学習しても良い精度が出たモデルであっても、実際のところ現実の社会にサービスとして組み込んだ際になかなか良い精度を出せないことがあるので注意です。scikit-learnを使って機械学習を行う際に、データセットが手元にない場合便利です。

機械学習アルゴリズムマップ

scikit-learnでは分類、回帰、クラスタリング、次元削減などの主要な機械学習の手法が最初から実装されています。

しかし、これから機械学習プログラミングを学んでいく際に、必ず頭を悩ませる問題の１つに、「どのアルゴリズムを使えば良いのだろう。。」です。そのような時は、公式チュートリアルが出している「アルゴリズムチートシート」をご確認ください。

画像引用元：https://scikit-learn.org/stable/tutorial/machine_learning_map/

上記は公式が出しているもので、英語表記なので、オリジナルのもを作成しました。
下記も参考にしてみてください。

機械学習を効率的に学ぶには ✨LINE友だち限定：「動画プラン」受講お申込み受付中！

2025年、未来への投資をしませんか？ AI Academy Bootcamp LINE公式 では、AIリテラシーからPython、データ分析、Web開発まで学べる「動画プラン」をご用意！さらにお得な割引クーポンもプレゼントしています！

単独で学ぶより、全コースを一気に学ぶことで得られる「学習シナジー効果」が特長。
基礎から応用まで、データ分析とAI開発のスキルを効率よく身につけられます。

「動画プラン」のおすすめポイントを以下の動画で紹介しています！

動画プランを受講された方のリアルなレビューです。受講をご検討中の方、ぜひチェックしてみてください！

「動画プラン」を活用し、効率よく、統計学や機械学習を身につけてみてください！

✨生成AIコース 受講お申込み受付中！

生成AIの概要やChatGPTの基礎操作、プロンプトエンジニアリングの基礎から実践まで学べます。演習課題を通じて、ご自身の業務に適したプロンプトやツールを作成し、生成AIを業務に活用できるスキルが身につきます。

受講特典：受講期間中、59種類の充実したAI Academyのオリジナルテキストを使いながら学んでいただけます。 例）「機械学習に必要な数学編」「機械学習アルゴリズムの理論と実装編」「自然言語処理編」「プロンプトエンジニアリング入門編」など