分類モデルの学習

このチュートリアルでは、Irisデータセットを使用して完全な分類パイプラインを構築します。

• データの読み込みとプレビュー
• 分類器の設定と学習
• モデル性能の評価
• 結果の解釈

前提条件

• MLOps Desktopがインストール済み
• Pythonパッケージ：pip install scikit-learn pandas

データセットの準備

サンプルデータセットを作成します。ターミナルで以下を実行してください。

from sklearn.datasets import load_iris
from pathlib import Path
import pandas as pd

iris = load_iris(as_frame=True)
df = iris.frame
df.to_csv(Path.home() / "Desktop" / "iris.csv", index=False)
print(f"iris.csv を保存しました（{len(df)}行）")

これでデスクトップにiris.csvが作成されます。150サンプル、5カラムのデータです。

• sepal length (cm)、sepal width (cm)、petal length (cm)、petal width (cm) — 特徴量
• target — クラスラベル（0=setosa、1=versicolor、2=virginica）

パイプラインの構築

1. 新しいパイプラインを作成

   MLOps Desktopを開きます。空のキャンバスが表示されます。

2. DataLoaderノードを追加

   + Add Node → DataLoaderを選択します。

   ノードをクリックし、Browseでiris.csvを選択します。プレビューにデータカラムが表示されます。

3. DataSplitノードを追加

   + Add Node → Data Splitを選択します。

   DataLoaderの右ハンドルからDataSplitの左ハンドルへ接続します。

   設定：

   • Test Split: 0.2（20%をテストに使用）
   • Random State: 42
   • Stratify: 有効、カラムをtargetに設定

4. Trainerノードを追加

   + Add Node → Trainerを選択し、DataSplitから接続します。

   設定	値
   Model Type	Random Forest Classifier
   Target Column	target

5. Evaluatorノードを追加

   + Add Node → Evaluatorを選択し、Trainerから接続します。

6. パイプラインを実行

   ツールバーのRunをクリックします。

   出力パネルに進行状況が表示されます。

   [DataLoader] Loaded iris.csv: 150 rows, 5 columns
   [DataSplit] Split: 120 train, 30 test (stratified)
   [Trainer] Training Random Forest on 120 samples...
   [Trainer] Training complete
   [Evaluator] Accuracy: 0.967 (29/30 correct)

分類メトリクスの理解

実行後、Evaluatorに複数のメトリクスが表示されます。

Accuracy（精度）

正解した予測の割合を示す最も基本的なメトリクスです。

Accuracy = 正解数 / 全予測数
         = 29 / 30
         = 0.967（96.7%）

Precision、Recall、F1

各クラスについて算出されます。

メトリクス	計算式	解釈
Precision	TP / (TP + FP)	陽性と予測したうち、正解だった割合
Recall	TP / (TP + FN)	実際の陽性を、どれだけ検出できたか
F1 Score	2 × (P × R) / (P + R)	PrecisionとRecallの調和平均

ヒント

• 高Precision、低Recall → 控えめな予測（偽陽性が少ない）
• 低Precision、高Recall → 積極的な予測（偽陰性が少ない）
• F1は両者のバランスを示す指標

混同行列

予測と実際のラベルを比較する3×3の行列です。

              予測
            0    1    2
実際  0 [ 10   0    0 ]  ← Setosa（全問正解）
      1 [  0   9    1 ]  ← Versicolor（1つがVirginicaに誤分類）
      2 [  0   0   10 ]  ← Virginica（全問正解）

対角線が正解、非対角線が誤分類です。

他のモデルを試す

他の分類器でも実験できます。

モデル	適した用途
Logistic Regression	線形決定境界、解釈しやすい
Random Forest	複雑な関係、外れ値に強い
Gradient Boosting	高精度が必要な場合、学習は遅い
SVM	高次元データ、二値分類

モデルを切り替えるには：

1. Trainerノードをクリック
2. Model Typeを変更
3. Runを再実行

複数のモデルで精度を比較し、データに最適なものを選択してください。

パイプラインの保存

Saveをクリックし、名前を入力します（例：「iris-classifier」）。

Loadドロップダウンからいつでも再読み込みできます。

次のステップ

ハイパーパラメータチューニング Optunaで最適な設定を探索

予測の説明 モデルの判断理由を理解

---

トラブルシューティング：

• 「target が見つかりません」 — CSVにtargetカラムがあるか確認、またはカラム名の大文字小文字を確認
• 精度が低い — n_estimatorsを増やすか、他のモデルを試す
• 「サンプルが不足」 — test_sizeを小さくして訓練データを確保（50サンプル以上を推奨）