21.Pythonでデータ分析を始めよう！初心者向けガイド-モデルの前処理編-

どうもニコイチです。いよいよモデルの操作に移っていきます。その前に毎処理について解説いたします。

必要なライブラリのインポート

from sklearn.tree import DecisionTreeClassifier as DT

モデルの初期化

基本的な初期化

model = DT()  # 最もシンプルな初期化

パラメータを指定した初期化

model = DT(
    max_depth=3,        # 木の深さの制限
    random_state=42     # 結果の再現性のための設定
)

重要なパラメータの解説

max_depth（木の深さ）

木の深さは料理の「火加減」のようなものです：

• 弱すぎる（浅すぎる）→ 料理が生焼け（モデルが単純すぎて予測精度が低い）
• 強すぎる（深すぎる）→ 料理が焦げる（過学習により汎用性が失われる）

推奨設定値：

• 小規模データ（〜1000件）: 3-5
• 中規模データ（〜10000件）: 5-10
• 大規模データ: データの複雑さに応じて調整

random_state（再現性）

• レシピの再現性を確保するための設定
• 同じ値を設定すれば、何度実行しても同じ結果が得られる
• 任意の整数値（例：42）を指定

注意点

1. モデルの複雑さ調整

• 単純すぎるモデル → データのパターンを捉えられない
• 複雑すぎるモデル → データを「丸暗記」してしまう

2. 可視化の限界

• 深さが増えるほど、人間には理解しづらくなる
• max_depth=3〜5程度が可視化に適している

コード例

# 基本的なモデル（深さ制限あり）
model_basic = DT(max_depth=3, random_state=42)

# より複雑なモデル
model_complex = DT(
    max_depth=5,
    random_state=42,
    min_samples_leaf=10  # 葉ノードの最小サンプル数
)