1
00:00:00,420 --> 00:00:03,970
それではGaussian Naive Bayesの

2
00:00:03,970 --> 00:00:05,575
ドキュメントを読んでみましょう。

3
00:00:05,575 --> 00:00:08,100
"sklearn.naive_bayes.GaussianNB"です。

4
00:00:08,100 --> 00:00:11,450
これは探していたアルゴリズムの名前で、

5
00:00:11,450 --> 00:00:15,650
検索した結果sklearnのドキュメントを見つけました。

6
00:00:15,650 --> 00:00:18,410
最初に見るのは、そしてsklearnのドキュメントの素晴らしいところですが

7
00:00:18,410 --> 00:00:22,960
たくさんの使用例が記載されています。

8
00:00:22,960 --> 00:00:25,640
私は実際にコードを書くときは

9
00:00:25,640 --> 00:00:28,550
いつでもまず最初にサンプルコードを探し出して

10
00:00:28,550 --> 00:00:31,030
それから自分のpythonインタプリタで実行し

11
00:00:31,030 --> 00:00:32,549
それらがちゃんと動作するか確認するようにしています。

12
00:00:32,549 --> 00:00:36,110
そしてたいていの場合それはうまく動きます。

13
00:00:36,110 --> 00:00:37,570
さて、ここにとてもシンプルなサンプルがありますね。

14
00:00:37,570 --> 00:00:39,620
ここに何行かありますが、これはとても重要です。

15
00:00:39,620 --> 00:00:41,110
ですから少し着目して

16
00:00:41,110 --> 00:00:45,640
実際にサンプルコードを書いて動くところをお見せしましょう。

17
00:00:45,640 --> 00:00:48,250
コードの意味が理解できると思います。

18
00:00:48,250 --> 00:00:49,180
最初にライブラリをimportします。

19
00:00:49,180 --> 00:00:52,960
ですからここ、この１行はとても重要です。

20
00:00:53,010 --> 00:00:56,650
この上のコードは、学習用のデータを生成しているだけです。

21
00:00:56,650 --> 00:00:58,470
なのでそれほど重要ではありません。

22
00:00:58,470 --> 00:01:01,790
本題はこのimport文から始まります。

23
00:01:01,790 --> 00:01:04,540
pythonプログラミングの経験があれば、import文は知っていますね。

24
00:01:04,540 --> 00:01:08,480
importは外部のライブラリを使うための構文です。

25
00:01:08,480 --> 00:01:12,360
既に存在するプログラムを再作成する無駄を省き、

26
00:01:12,360 --> 00:01:15,470
誰かが作ってくれたコードを使い回すことができます。

27
00:01:15,470 --> 00:01:19,380
ここではsklearn.naive_bayesからGaussianNBライブラリを使います、と宣言しています。

28
00:01:19,380 --> 00:01:20,350
いいですね。

29
00:01:20,350 --> 00:01:22,710
次に私たちがやろうとしていることは

30
00:01:22,710 --> 00:01:24,410
分類器の作成です。

31
00:01:24,410 --> 00:01:27,040
分類器はGaussianNBです。

32
00:01:27,040 --> 00:01:28,790
import文が失敗していると

33
00:01:28,790 --> 00:01:29,840
この行を何かの拍子に書き忘れたりすると

34
00:01:29,840 --> 00:01:32,480
この行でエラーが出ます。

35
00:01:32,480 --> 00:01:35,620
もし実行時にエラーが出て、このファンクションを

36
00:01:35,620 --> 00:01:37,830
認識できませんと言ったメッセージなら

37
00:01:37,830 --> 00:01:40,350
import文にミスがあります。

38
00:01:40,350 --> 00:01:42,510
OK、分類器を作成しました。

39
00:01:42,510 --> 00:01:45,290
これで準備は万端です。

40
00:01:45,290 --> 00:01:48,180
次に私たちがしなくてはいけないのは分類器の"fit"です。

41
00:01:48,180 --> 00:01:51,710
私たちは訓練するという言葉の代わりに"fit"を使います。

42
00:01:51,710 --> 00:01:54,790
つまりここで実際に学習用データを与え

43
00:01:54,790 --> 00:01:57,070
パターンを学習させているのです。

44
00:01:57,070 --> 00:02:00,030
さっき作成した分類器の

45
00:02:00,030 --> 00:02:03,870
fit() ファンクションを実行します。渡す引数は二つです。

46
00:02:03,870 --> 00:02:10,000
引数の X は feature 、そして Y は label です。

47
00:02:10,000 --> 00:02:13,100
"supervised classification"においては共通なのですが

48
00:02:13,100 --> 00:02:15,240
fit() ファンクションを実行し

49
00:02:15,240 --> 00:02:16,760
引数にfeatureと

50
00:02:16,760 --> 00:02:18,480
labelを渡します。

51
00:02:18,490 --> 00:02:22,060
そして最後に、学習させたばかりの分類器に

52
00:02:22,060 --> 00:02:24,300
推定をさせています。

53
00:02:24,300 --> 00:02:26,050
新しいデータを与えてみます。

54
00:02:26,050 --> 00:02:29,320
与えるデータは [-0.8, -1] です。

55
00:02:29,320 --> 00:02:32,880
皆さんはこのデータの label はなんだと思いますか。

56
00:02:32,880 --> 00:02:35,370
つまりどの分類に所属すると思いますか。

57
00:02:35,370 --> 00:02:38,390
分類器は「１」の分類だと推定しました。

58
00:02:38,390 --> 00:02:42,480
では「２」の分類だと推定されるデータを思いつきますか。

59
00:02:42,480 --> 00:02:47,220
もちろん分類器に推定をさせる前には

60
00:02:47,220 --> 00:02:49,060
分類器を fit させておく必要があります。

61
00:02:49,060 --> 00:02:50,700
データに対してfitを行なっている時が、

62
00:02:50,700 --> 00:02:52,130
実際にパターンを学習している部分だからです。

63
00:02:52,130 --> 00:02:55,140
そしてここは学習したパターンを使って推定を行なっている部分です。

64
00:02:55,140 --> 00:02:56,530
というわけで、

65
00:02:56,530 --> 00:02:59,380
このコードの動作について知っておくべきことを説明しました。

66
00:02:59,380 --> 00:03:02,200
これが機械学習の最初のサンプルコードです。