Pythonとscikit-learnで開発する初めてのAIモデル

import pandas as pd
from sklearn.datasets import load_iris

pd.set_option('display.max_columns', None)  # 表示する列数の上限をなくす
pd.set_option('display.width', 1000)        # 画面幅を広く設定する

# 1. データセットをロード
iris = load_iris()

# 2. データの形状を確認
print("--- データ確認 ---")
print("データ（特徴量）の形状:", iris.data.shape)
print("ターゲット（品種）の形状:", iris.target.shape)

--- データ確認 ---
データ（特徴量）の形状: (150, 4)
ターゲット（品種）の形状: (150,)

# 3. データをPandas DataFrameに変換して表示
df = pd.DataFrame(iris.data, columns=iris.feature_names)
df['target'] = iris.target
print("\n--- データの最初の5行 ---")
print(df.head())

--- データの最初の5行 ---
   sepal length (cm)  sepal width (cm)  petal length (cm)  petal width (cm)  target
0                5.1               3.5                1.4               0.2       0
1                4.9               3.0                1.4               0.2       0
2                4.7               3.2                1.3               0.2       0
3                4.6               3.1                1.5               0.2       0
4                5.0               3.6                1.4               0.2       0

from sklearn.model_selection import train_test_split

# 4. データとターゲット（正解）を準備
X = iris.data # 特徴量 (150, 4)
y = iris.target # ターゲット (150,)

# 5. データを訓練用(80%)とテスト用(20%)に分割
# random_state=42 は、データ分割のランダムな結果を固定し、毎回同じ結果を得るための設定です。
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.2, random_state=42
)

print("\n--- データ分割の形状 ---")
print("訓練データ数:", X_train.shape[0])
print("テストデータ数:", X_test.shape[0])

from sklearn.linear_model import LogisticRegression

# 6. モデルの選択と初期化
model = LogisticRegression(max_iter=200) 

# 7. 訓練データを使ってモデルを学習させる！ (最も重要なステップ)
print("\n--- モデル訓練開始 ---")
model.fit(X_train, y_train)
print("モデル訓練完了！")

# 8. テストデータを使って予測を実行
y_pred = model.predict(X_test)

# 9. 正解率を計算 (NumPyの機能を利用)
# (予測値 == 正解値) でTrue/Falseの配列を作り、平均を取ることで正解率が計算
accuracy = (y_pred == y_test).mean() * 100.0

print("\n--- 評価結果 ---")
print(f"最初のAIモデルの正解率（Accuracy）: {accuracy:.2f}%")

--- 評価結果 ---
最初のAIモデルの正解率（Accuracy）: 100.00%