scikit-learn入門：インストールから基本の使い方まで

scikit-learn（サイキットラーン）は、Pythonで機械学習を始めるなら必ず知っておきたいライブラリです。この記事では、scikit-learnの概要と、インストール方法、そして基本的な使い方までをわかりやすく解説します。

scikit-learnとは？

• Pythonで動作する機械学習用のライブラリ
• 分類・回帰・クラスタリング・次元削減など多彩なアルゴリズムを搭載
• データの前処理からモデル構築、評価まで一貫して実施可能
• NumPyやPandas、Matplotlibなどと高い互換性

scikit-learnのインストール方法とインストール確認

インストール方法

pipを使ったインストール（推奨）

コマンドプロンプトやターミナルで以下のコマンドを実行します。

pip install scikit-learn

すでにインストール済みの場合や最新版にアップデートしたい場合は、次のコマンドを使います。

pip install -U scikit-learn

MacやLinuxの場合はpip3を使うこともあります。

condaを使ったインストール（Anaconda環境の場合）

Anacondaを利用している場合は、以下のコマンドでインストールできます。

conda install scikit-learn

Google Colabの場合

Google Colabではscikit-learnが標準でインストールされているため、追加インストール不要です。

インストール確認

インストールが完了したら、Pythonで下記コードを実行してバージョンが表示されれば成功です。

import sklearn
print(sklearn.__version__)

scikit-learnの基本的な使い方

データの準備

scikit-learnには有名なサンプルデータセットが付属しています。まずはIrisデータセットを使ってみましょう。

from sklearn.datasets import load_iris
iris = load_iris()
X, y = iris.data, iris.target

データの分割

学習用とテスト用にデータを分割します。

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

モデルの選択と学習

ここではk近傍法（KNN）を使います。

from sklearn.neighbors import KNeighborsClassifier
model = KNeighborsClassifier()
model.fit(X_train, y_train)

予測と評価

accuracy = model.score(X_test, y_test)
print("精度:", accuracy)

まとめ

• scikit-learnはPythonで機械学習を始めるのに最適なライブラリ
• インストールはpip install scikit-learnまたはconda install scikit-learnで簡単
• サンプルデータを使って、データ分割→学習→予測→評価まで一連の流れを体験できる

まずはインストールして、サンプルコードを動かしてみましょう！