ゼロから始める機械学習

ゼロから始める機械学習 第3回「手動でのルールベース」

はじめに

この記事は、連載「ゼロから始める機械学習」 の3本目の記事となります。

前回「Google Colarboratoryの使い方」 では、Google Colab環境の紹介をしました。

今回の記事でもGoogle Colab環境を用いるので準備がまだの方は、前回の記事を参考にしてください。

ローカルにJupyter環境があり、適宜読み替えられる方はJupyterでも問題ありません。

ルールベースとは

「機械学習とは？」の復習となりますが、

ある解きたいタスクに対して、

  • 人間がルールを考えるのが、ルールベース
  • コンピュータがルールを構築するのが、機械学習
    ということになります。

そのため、機械学習を学ぶ際にいきなり機械学習の実装に入るのではなく、ルールベースのプログラムを実装すると流れが理解しやすいです。

そこで、この記事ではルールベースでタスクを解きます。

タスク

フィッシャーのアヤメと呼ばれるデータを使います。

フィッシャーのアヤメは、あるアヤメに関する「がくの長さ」「がくの幅」「花弁の長さ」「花弁の幅」といった情報から、そのアヤメが3種類のアヤメのうちどれであるかを当てるタスクです。

データの詳細はこちらを参照してください。

公式ページからデータをダウンロードしても良いのですが、scikit-learnというライブラリ経由でダウンロードができるため、今回はその手法をとります。

（scikit-learnについては連載の最後で取り扱いますが、それまでは例外的に今回を除き敢えて使わずに実装します）

実践

さて、いよいよ実装にうつりましょう。

1
2
3
4
from sklearn.datasets import load_iris
iris = load_iris()
X_org = iris.data
y_org = iris.target

iris.dataには4種類の特徴量が、iris.targetには品種を表す番号が格納されています。

それぞれをX_org, y_orgに代入しました。

続いて、データの少し加工を加えます。

というのも条件分岐をわかりやすくするために、

  • 分類する種類数を3から2に変更
  • 使う特徴量を4から2に変更

します。

1
2
3
idx = [y_org != 2]
X = X_org[idx][:,:2]
y = y_org[idx]

上記のコードの処理がわからない方は、NumPyのスライスについて復習してください。

1
import matplotlib.pyplot as plt

グラフ描画ライブラリをインポートしました。

1
2
3
4
5
6
7
colors_true = ['r' if i==0 else 'b' for i in y]
fig = plt.figure()
plt.scatter(*X.T, c = colors_true)
ax = fig.add_subplot(111)
ax.set_xlabel(iris.feature_names[0])
ax.set_ylabel(iris.feature_names[1])
plt.show()

データの散布図を書いています。

品種1を赤色、品種2を青色で示しています。

plt.scatterに引数cとして、色を指定するリストを渡しています。
（rは赤、bは青を意味します）

これから、正解の品種のリストcolors_trueを使わずに、

試行錯誤しながらルールベースで同じリストを作成します。

まず、最初にcolorsを作っています。

これは、全ての要素が文字列のgのリストです。

このまま、plt.scatterでgを指定すると、緑のマーカーで描画されます。

これらを適切に赤や青に振り分けていきましょう。

先ほどのグラフを見ると

  • 横軸（sepal.length）が大きい場合は青、小さい場合は赤
  • 縦軸（sepal.width）が大きい場合は赤

と言えそうです。これを実装します。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
colors = ['g'] * len(y)
for i in range(len(y)):
  if X[i][0] > 5.8:
    colors[i] = 'b'
  if X[i][0] < 4.8:
    colors[i] = 'r'
  if X[i][1] > 3.4:
    colors[i] = 'r'
fig = plt.figure()
plt.scatter(*X.T, c = colors)
ax = fig.add_subplot(111)
ax.set_xlabel(iris.feature_names[0])
ax.set_ylabel(iris.feature_names[1])
plt.show()

うまくいったようです。

さて、残った緑の点にも対処しましょう。

これはelseを使うことで、ルールを書けますね。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
colors = ['g'] * len(y)
for i in range(len(y)):
  if X[i][0] > 5.8:
    colors[i] = 'b'
  elif X[i][0] < 4.8:
    colors[i] = 'r'
  elif X[i][1] > 3.4:
    colors[i] = 'r'
  else:
      if X[i][0] > 5.4:
        colors[i] = 'b'
      if X[i][1] > 3.2:
        colors[i] = 'r'
fig = plt.figure()
plt.scatter(*X.T, c = colors)
ax = fig.add_subplot(111)
ax.set_xlabel(iris.feature_names[0])
ax.set_ylabel(iris.feature_names[1])
plt.show()

もう少しです。さらにネストを深くします。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
colors = ['g'] * len(y)
for i in range(len(y)):
  if X[i][0] > 5.8:
    colors[i] = 'b'
  elif X[i][0] < 4.8:
    colors[i] = 'r'
  elif X[i][1] > 3.4:
    colors[i] = 'r'
  else:
      if X[i][0] > 5.4:
        colors[i] = 'b'
      elif X[i][1] > 3.2:
        colors[i] = 'r'
      else:
        if X[i][0] > 5.0:
          colors[i] = 'b'
        elif X[i][1] > 2.7:
          colors[i] = 'r'
        else:
          colors[i] = 'b'
fig = plt.figure()
plt.scatter(*X.T, c = colors)
ax = fig.add_subplot(111)
ax.set_xlabel(iris.feature_names[0])
ax.set_ylabel(iris.feature_names[1])
plt.show()

やりました。うまくいっていそうです。

1
colors_true == colors

Trueが返ってきました。つまり、ルールベースで完璧に分類ができました。

課題

さて、目的を達成しましたが

ここでルールベースの課題を考えましょう。

最大の問題点は、特徴量が多苦なると実装が現実的に不可能になるためです。

今回の場合、特徴量の数を2種類でした。

しかし、これが3,4と増えたらどうでしょうか。

段々とグラフが複雑になったり、グラフの枚数を増やす必要が出てきます。

3,4くらいなら、まだそれでも対応可能かもしれません。

しかし 現実のタスクでは特徴量は数万を超えることもあります。

そうなると、グラフで描画しながら人間がルールを考えていく方法には無理がありそうです。

次回

そこで、機械学習の出番となるわけです。ルールを自動でコンピュータに獲得してもらいましょう。

「ロジスティック回帰」

記事情報

  • 投稿日：2020年3月28日
  • 最終更新日：2020年3月29日