ライブラリのインストール | 機械学習の環境準備

INDEX

ライブラリのインストール（Scikit-learn、TensorFlow、Keras）

機械学習を始めるためには、必要なライブラリをインストールして開発環境を整える必要があります。

この記事では、機械学習でよく利用されるScikit-learn、TensorFlow、Kerasの役割とインストール方法について解説します。

Pythonには多くの機械学習ライブラリがありますが、特に利用頻度が高いのがScikit-learnとTensorFlowです。

初心者はまずScikit-learnで機械学習の基本を学び、その後TensorFlowやKerasでディープラーニングへ進むことが一般的です。

ライブラリは仮想環境内にインストールすることが推奨されます。

仮想環境を利用することで、プロジェクトごとに異なるライブラリやバージョンを管理できます。

python -m venv myenv

# Windowsの場合
myenv\Scripts\activate

# macOS/Linuxの場合
source myenv/bin/activate

仮想環境が有効になると、その環境専用のライブラリをインストールできるようになります。

Scikit-learnは、機械学習の基本的なアルゴリズムやデータ前処理機能を提供するライブラリです。

pip install scikit-learn

import sklearn
print(sklearn.__version__)

バージョン番号が表示されれば、正常にインストールされています。

TensorFlowはGoogleが開発しているディープラーニング向けライブラリです。

画像認識、自然言語処理、生成AIなど幅広い分野で利用されています。

pip install tensorflow

import tensorflow as tf
print(tf.__version__)

バージョン番号が表示されれば利用可能です。

Kerasはニューラルネットワークを簡単に構築できるライブラリです。

現在はTensorFlowに統合されているため、通常はTensorFlowをインストールすると同時に利用できるようになります。

from tensorflow import keras
print(keras.__version__)

エラーが発生しなければ、Kerasも正常に利用できます。

機械学習では、次のライブラリも一緒に導入されることがよくあります。

まとめてインストールする場合は次のように実行できます。

pip install numpy pandas matplotlib seaborn scikit-learn tensorflow

複数のプロジェクトを扱う場合は、ライブラリのバージョン違いによるトラブルを防ぐために仮想環境を利用します。

また、現在の環境を保存しておくと、他のPCでも同じ環境を再現できます。

pip freeze > requirements.txt

pip install -r requirements.txt

これにより、同じライブラリ構成を簡単に再現できます。

Scikit-learnは機械学習の基本アルゴリズム、TensorFlowはディープラーニング、Kerasはそのモデル構築を簡単にするためのライブラリです。

まずは仮想環境を作成し、必要なライブラリをインストールして開発環境を整えることで、機械学習やAI開発を効率よく進められるようになります。