【初心者向け】Pythonのscikit-learnでデータセットを読み込む方法をわかりやすく解説

scikit-learn（一般的にはsklearnという名称でも知られています）は、機械学習アルゴリズムの実装を目的としたPythonのオープンソースライブラリです。

分類、回帰、クラスタリング、次元削減など、幅広い機械学習タスクを、強力かつ安定したインターフェースを通じて簡単に扱えるのが特徴です。このライブラリはNumPy、SciPy、Matplotlibという3つの主要な科学技術計算ライブラリを基盤として構築されています。

ここでは、scikit-learnに組み込まれている「アヤメ（Iris）データセット」を例に、データを読み込む基本的な手順を見ていきましょう。

サンプルコード

from sklearn.datasets import load_iris
my_data = load_iris()
X = my_data.data
y = my_data.target
feature_name = my_data.feature_names
target_name = my_data.target_names
print("Feature names are : ", feature_name)
print("Target names are : ", target_name)
print("\nFirst 8 rows of the dataset are : \n", X[:8])

実行結果

Feature names are : ['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)', 'petal width (cm)']
Target names are : ['setosa' 'versicolor' 'virginica']
First 8 rows of the dataset are :
[[5.1 3.5 1.4 0.2]
[4.9 3. 1.4 0.2]
[4.7 3.2 1.3 0.2]
[4.6 3.1 1.5 0.2]
[5. 3.6 1.4 0.2]
[5.4 3.9 1.7 0.4]
[4.6 3.4 1.4 0.3]
[5. 3.4 1.5 0.2]]

コードの解説

• まず、必要なパッケージ（sklearn.datasetsモジュール）をインポートします。
• load_iris()関数を呼び出すことで、アヤメデータセットを環境に読み込みます。戻り値は辞書型に似た「Bunchオブジェクト」で、データ本体や各種属性情報を保持しています。
• data属性から特徴量（説明変数）、target属性から目的変数（ラベル）をそれぞれ取り出し、分離します。
• feature_names属性とtarget_names属性には、それぞれ特徴量の名前（がく片・花びらの長さや幅）とターゲットの品種名（setosa、versicolor、virginica）が格納されており、これらをコンソールに出力します。
• 最後に、データの中身を確認できるよう、データセットの先頭8行をコンソールに出力しています。

このように、scikit-learnでは数行のコードだけで代表的なサンプルデータセットを簡単に読み込めます。実際のプロジェクトでも、まずはこうしたビルトインデータセットで前処理やモデル構築の流れを練習すると理解が深まるでしょう。