Machine Learning ジャーニーの一部新着ジャーニーPythonで実践する教師あり学習
ラベル付きの例から学ぶモデルを訓練します。scikit-learnで分割、学習、予測、評価を行い、どのモデルもグラフで確かめ、最後にペンギンの種を分類するモデルを完成させます。
58 レッスン58 チャレンジ240 クイズの問題
- 初心者向け
AIによるコーディングサポート
実践的なインタラクティブレッスン
知識を確かめるクイズ
無料の修了証明書
シラバス
このセクションは Machine Learning ジャーニーの一部です。シラバス全体にはさらに多くのセクションがあります。下のプレビューをクリックして、ジャーニーページで確認してください。
- セクション 1データとプロット60 レッスン
- セクション 2機械学習のための統計64 レッスン
セクション 3
教師あり学習
セクションを始める開始scikit-learnで実際のモデルを学習：データの分割、学習、予測、評価。k-NN、線形回帰とロジスティック回帰、決定木、ランダムフォレストとブースティング、交差検証による公正な評価、パイプラインを学び、ペンギンのエンドツーエンドプロジェクトで締めくくります。初めてのモデル
5 レッスン520最近傍法
5 レッスン520線形回帰
5 レッスン520ロジスティック回帰
5 レッスン520分類器の評価
6 レッスン625決定木
5 レッスン520過学習
5 レッスン520交差検証
4 レッスン415アンサンブル
4 レッスン415パイプライン
5 レッスン520プロジェクト：ペンギンの種
5 レッスン525- セクション 4教師なし学習51 レッスン
実践で学ぶ
実際のコードを書き、データベースをクエリし、ウェブサイトを構築し、AIプロンプトをマスターしましょう。インタラクティブなレッスンで現代の開発者に必要なすべてのスキルを網羅しています。
連続記録を築こう
継続して進捗を見守りましょう！毎日のコーディング習慣を追跡し、フリーズ日で連続記録を守り、毎日参加することで報酬を獲得しましょう。
12 日連続
明日も戻ってきて連続記録を維持しましょう！
January 2026
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
21
22
23
24
25
26
27
28
29
30
ダブル・オア・ナッシング
7日中5日目
連続記録フリーズ
2 left
どこでも学べる
コーディングの旅を持ち歩こう！セットアップ不要、ダウンロード不要：開いてすぐにコーディング開始。iOS、Android、Webで4.9星評価で利用可能。
あなたは一人じゃない
グローバルリーダーボードで競い、友達を招待して報酬を獲得し、お互いの成功を祝いましょう。プログラミングは友達と一緒の方が楽しい！
1
2
3
昇格ゾーンあらゆる学び方に対応
読む・聴く・自分を試す・AIに聞く・学んだことを調べる。どんな学び方にも対応したレッスンです。
変数は、後でプログラム内で参照できる値を格納する、名前のついた入れ物です。
Pythonでは、名前、イコール記号、格納したい値の順で書くことで作成します。
値は後から変えられます。再代入すると、名前は新しい値を指すようになります。
修了証を取得
完了したすべてのコースで証明書を獲得しましょう。LinkedInプロフィールや履歴書に追加して、雇用主にプログラミングスキルをアピールしましょう。
修了証明書Pythonの基礎
LinkedInに追加Coddyで教師あり学習を学ぶ理由
- どのプロジェクトでも使うscikit-learnの流れを4行で：
train_test_split、fit、predict、score。そのあと出会うモデルは、新しいやり方ではなく、新しい1行です。 - モデルが何を決めているかが見える。決定境界は平面を色分けし、残差プロットは直線が見逃したものを、ROC曲線はしきい値が何と引き換えになるかを示します。どのレッスンにもグラフがあり、実行すると自分のグラフが「グラフ」タブに表示されます。
- 現場の仕事の大半をこなすモデル：k近傍法、線形回帰とロジスティック回帰、決定木、ランダムフォレスト、勾配ブースティング。さらに、テストセットを漏らさずにスケーリング、エンコード、欠損値の補完を行うパイプラインも学びます。
- 正直なスコア。混同行列、適合率と再現率、不均衡なクラス、過学習、検証セット、交差検証。本当に使えるモデルと、宿題を丸暗記しただけのモデルを見分けられるようになります。
教師あり学習についてよくある質問
教師あり学習とは何ですか？
教師あり学習は、正解（ラベル）付きの例でモデルを訓練する方法です。各行には特徴量（ペンギンのくちばしの長さ、ひれの長さ、住んでいる島）とラベル（種）があります。モデルはその関係を学び、新しい行のラベルを予測します。「教師あり」と呼ばれるのは、ラベルが先生の役目を果たし、学習中のモデルを正してくれるからです。
教師あり学習と教師なし学習の違いは何ですか？
分類と回帰とは何ですか？
教師あり学習の2つの種類です。分類はカテゴリを予測します。たとえばスパムかどうか、3種類のワインのどれか。回帰は数値を予測します。たとえば明日の自転車の貸出台数や、患者の病気の進行度。多くのモデルはその両方に対応していて、k-NN、決定木、ランダムフォレストにはそれぞれ両方の版があり、講座でも両方を使います。
講座ではどの教師あり学習アルゴリズムを扱いますか？
StandardScaler、OneHotEncoder、SimpleImputer、パイプライン、cross_val_score、GridSearchCV。始める前に何を知っておくべきですか？
自分のモデルが良いかどうかは、どうすればわかりますか？
訓練中に一度も見せなかった行でテストし、いつも一番多いクラスを答えるような単純なベースラインと比べます。あるクラスがまれなときは正解率だけではだまされることがあるので、講座では混同行列、適合率、再現率、F1、ROC曲線、さらにスコアがまぐれでないことを確かめる交差検証も学びます。
教師あり学習のセクションにはどのくらい時間がかかりますか？
58レッスンで、自分のペースで約10時間、1日30分なら数週間です。各レッスンはアイデア1つと課題1つで、セクションの最後はペンギンのプロジェクトと4つの最終チャレンジです。
無料で受講できますか？
はい。レッスン、グラフ、AIヒント、このセクションの修了証は無料です。無料アカウントでは1日に数レッスンまで進められ、Proなら1日の上限がなくなります。
