Scikit-learn基礎

Python用の包括的機械学習ライブラリ。分類、回帰、クラスタリング、前処理、モデル評価などの機能を統一されたインターフェースで提供し、機械学習プロジェクトの全工程をサポートする。

主要機能モジュール：
・教師あり学習：分類・回帰アルゴリズム
・教師なし学習：クラスタリング・次元削減
・前処理：データ変換・特徴量エンジニアリング
・モデル選択：交差検証・ハイパーパラメータ調整
・評価指標：性能評価・可視化

データ分割の基本：
・train_test_split()：訓練・テストデータの分割
・StratifiedShuffleSplit：層化抽出による分割
・TimeSeriesSplit：時系列データ専用分割
・GroupKFold：グループを考慮した交差検証

交差検証手法：
・KFold：基本的なk分割交差検証
・StratifiedKFold：クラス比率を保持した交差検証
・RepeatedKFold：複数回実行による安定化
・LeaveOneOut：各サンプルを1つずつテストに使用

主要評価指標：
・mean_absolute_error：平均絶対誤差（回帰）
・mean_squared_error：平均二乗誤差（回帰）
・accuracy_score：正答率（分類）
・classification_report：詳細な分類性能レポート

統一インターフェース：
・fit()：モデルの学習
・predict()：予測の実行
・transform()：データ変換
・fit_transform()：学習と変換を同時実行

実務でのワークフロー：
1. データの読み込みと前処理
2. 訓練・テストデータの分割
3. モデルの選択と学習
4. 交差検証による性能評価
5. ハイパーパラメータ調整
6. 最終モデルの構築と評価