<< home

PythonによるAIの作り方

AI（人工知能）は、機械学習や深層学習を活用してデータから学習し、予測や分類を行う技術です。本章では、Pythonを使って簡単なAIを実装する方法を解説します。

1. AIの基本概念

AIを実装するために、以下の手法がよく使われます。

機械学習（Machine Learning）: データを使って予測モデルを構築
深層学習（Deep Learning）: ニューラルネットワークを用いた学習
自然言語処理（NLP）: テキストデータを扱うAI（例: チャットボット）

今回は、機械学習を用いたシンプルな分類モデルを作成します。

2. AIを作る手順

2.1 ライブラリのインストール

AIを作るには、以下のライブラリを使用します。

pip install numpy pandas scikit-learn

2.2 データの準備

scikit-learn に含まれる有名な Iris（アヤメ）データセット を使用します。

from sklearn.datasets import load_iris
import pandas as pd

# データセットをロード
dataset = load_iris()
X = pd.DataFrame(dataset.data, columns=dataset.feature_names)
y = dataset.target

print(X.head())  # データの確認

2.3 機械学習モデルの作成

ここでは 決定木（Decision Tree） を使って、アヤメの種類を分類するAIを作ります。

from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score

# データを訓練用とテスト用に分割
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# モデルの作成
model = DecisionTreeClassifier()
model.fit(X_train, y_train)

# 予測と評価
predictions = model.predict(X_test)
accuracy = accuracy_score(y_test, predictions)
print(f'モデルの精度: {accuracy:.2f}')

2.4 新しいデータで予測

学習したモデルを使って、新しいデータを予測できます。

new_data = [[5.1, 3.5, 1.4, 0.2]]  # 新しい花のデータ
prediction = model.predict(new_data)
print(f'予測されたクラス: {dataset.target_names[prediction[0]]}')

3. まとめ

AIを作るには データの準備 → モデルの訓練 → 評価 → 予測 の流れで進める
scikit-learn を使うと簡単に機械学習モデルを実装できる
今回は 決定木を使った分類モデル を作成した

この方法を応用すれば、さまざまなデータに対してAIを構築できます。

<< home