スーツ姿のプロダクトマネージャー

ITで新しいプロダクトを生み出したいすべての人を応援するブログです。

手軽にPython&機械学習を試せるGoogle Colaboratory

Google Colaboratoryは、Googleが研究や学習用途に公開しているPythonの学習環境です。機械学習の開発環境として広く使われているJupyter notebookをベースに作られていて、機械学習を試すには最適な環境です。

デスクトップ版のChromeで動作するとのことだったので、さっそく使ってみました。
使用したマシンは、Windows 8.1 の適当なノートブックです。

以下の記事を参考にさせていただきました。

 

実際にやってみて、かなり手軽に使うことができました。機械学習を学ぶにはちょうどよい環境だと思います。

 

 

普通のJupyter Notebookのような感じで使える

使い方はいたって簡単で、「Colaboratory」にアクセスするだけですぐに使えます。アクセスすると初回のページが立ち上がります。ここで、上部メニューの「ファイル」を選択し、「Python 3のノートブックを新規作成」を選ぶと、新しいノートブックが生成されます。 

 

f:id:ku2t:20180311113633p:plain

 

ノートブックを保存するときは、ファイルメニューから「保存」を選ぶと、Googleドライブの「Colab Notebooks」というフォルダに保存されます。ファイル名を変更することもできます。

f:id:ku2t:20180311113628p:plain

 

 

実に簡単ですね!

自宅で機械学習を勉強しようと思うと、環境の準備が面倒になるのですが、Windows環境でもGoogleのアカウントとChromeがあれば動くというのは魅力的です。 

  

機械学習のサンプルコードを試してみる

Python機械学習プログラミングのコードも動作!

機械学習本として一押しの「Python機械学習プログラミング」のコードを実行してみました。第3章 分類問題より、「3.2 sciket-learn活用へのファーストステップ」のコードを動かしてみたところ、問題なく動作しました。さくさく動きます。

f:id:ku2t:20180311113625p:plain

 

簡単な分類モデルの作成と可視化も、以下の通りに動きます。

f:id:ku2t:20180311113622p:plain


サンプルコードはGitHubで見ることができます。

 

データビューイングを学ぶにも十分な環境

データ分析や機械学習モデルの構築には、データビューイングが欠かせません。Pythonのビューイングツールとしては、matplotlibが標準です。しかし、matplotlibは見た目がちょっとこなれてないことと、コーディング量が多くなってしまうことがネックです。

複雑なグラフを描こうとすると、Rのggplot2のようなものが欲しくなります。Pythonでは、いろいろとライブラリが乱立しているようですが、seabornを使うとキレイなグラフを描くことができます。

Irisデータを使って、変数通しの散布図を俯瞰できるペアプロットを試しましたが、きちんと出力されました。美しい。

f:id:ku2t:20180311113618p:plain

 

機械学習の学習環境としておすすめ!

短期間ですが、Google Colaboratoryを使ってPythonを動かしてみました。

使い始めるのも簡単ですが、動作も軽く使いやすいです。オリジナルのJupyter Notebookとの違いはもう少し触ってみて確かめたいですね。

最近の機械学習本は、Pythonコードで説明している場合が多いので、Jupyter Notebookの環境がここまで簡単に使えるというのは、本当に便利です。

 

以下の記事と本を参考にさせていただきました。

Python機械学習プログラミング 達人データサイエンティストによる理論と実践 (impress top gear)

Python機械学習プログラミング 達人データサイエンティストによる理論と実践 (impress top gear)