果物の仕分けを題材に「分類AIの予測と評価」を学ぶ、機械学習の初学者向けブラウザ教材です。 色づきと硬さを入力して「熟している／まだ」を予測。判定の基準（しきい値）を変えながら、見逃し・誤判定がどう変わるかを図と比較表で確かめられます。 価格は500円・買い切り。前作を持っていなくても、この教材だけで始められます。 ■ 対応デバイス・動作環境 ・Windows／Macのパソコン向け（JavaScriptが有効なブラウザで使用） ・macOSのChromeでブラウザ画面の操作を確認しています。Windowsは実機では未確認です。 ・スマートフォン・タブレットは利用を想定していません。ZIPの展開と教材の操作はパソコンで行ってください。 ■ どんなケースを体験する？ 架空の果物店で、熟した果物を出荷候補に選ぶ場面です。 ・入力：色づきと硬さ（それぞれ0〜100の数値） ・予測：熟している確率と、「熟している／まだ」の判定 ・次の行動：出荷候補を担当者が実物確認。候補から外れたものは保管後に再確認 「候補を広く拾って、熟した果物の見逃しを減らす」か、「候補を絞って、まだ熟していない果物を選ぶ間違いを減らす」か。目的に合わせた判定基準の考え方を学びます。 果物の特徴・熟度は教材用の合成データです。画像を読み取る教材や、実際の品質検査・仕分けを行うツールではありません。 ■ どんな技術が学べる？ ① 二値分類・ロジスティック回帰 2つの特徴を重み付きで足し合わせ、シグモイド関数で確率に変換する仕組みを確認します。「回帰」という名前ですが、ここでは2つのラベルに分類するモデルとして使います。 ② 交差エントロピー・勾配降下法 訓練データから重みを学習し、損失の変化をグラフで観察します。ガイドでは計算式とPythonコードをつなげて説明します。学習率・更新回数・L2正則化の設定は固定です。 ③ しきい値・混同行列・評価指標 しきい値を動かし、TP・FP・FN・TNと、正解率・適合率・再現率・F1の変化を確認します。「正解率が高い」だけでは分からない間違いの内訳を読み取ります。 ④ 訓練・検証・テストの使い分け 合成データ200件を訓練120件・検証40件・テスト40件に固定分割。検証データで基準を選び、基準を固定してからテストを開く流れを体験します。 ■ 教材でできること ・モデルを学習し、判定の境界と損失を図で見る ・30%、50%、70%などのしきい値を試し、比較表に残す ・任意の色づき・硬さで、学習済みモデルに新しい予測をさせる ・選んだ基準を固定し、最後の40件で評価する ・比較表、モデルの重み、直近の予測などを実験メモとして保存する 最初の15分の操作例を同梱しています。確認問題や採点はなく、操作と観察で学ぶ構成です。 ■ こんな方へ ・機械学習を学び始め、分類の用語や評価指標で迷っている方 ・数式と、実際の予測・判定の動きをつなげたい方 ・まずはPythonの環境構築なしで手を動かしたい方 ■ 入っているもの ・オフラインで動くブラウザ教材（HTML・CSS・JavaScriptソース付き） ・Windows／Mac別の起動手順「はじめに.txt」 ・操作例、用語、数式、データの作り方をまとめたHTMLガイド ・オリジナル合成データ200件のCSV ・標準ライブラリのみで動くPython再現サンプル ・利用範囲を記載したLICENSE.txt ■ ダウンロードしたら 1. ZIPをすべて展開します。 2. 展開したフォルダ内の index.html をブラウザで開きます。 3. 「モデルを学習する」から始めます。 登録・APIキー・サーバーの起動は不要です。 Pythonは付録のコードを実行する場合だけ必要です（Python 3.10以上を想定）。 教材本体は外部通信を行いません。参考資料のリンクを開く場合のみインターネットへ接続します。 画面の状態は自動保存されません。終了前に「実験メモを保存」をご利用ください。 ■ 前作との違い 前作「はじめての機械学習実験室」は、送料という数値を予測する回帰・学習・過学習がテーマです。 本作は、2つのラベルに分ける分類と、予測後の判定基準・評価がテーマです。それぞれ単独で使えます。 前作：https://kitnet.booth.pm/items/9019351 ■ 利用範囲・お問い合わせ 購入者自身の学習のための使用・複製・改変が可能です。コードの一部を自身のプログラムに組み込むこともできます。 教材本体・説明書・同梱データやその改変版の再配布、転売、公開アップロードはできません。詳細は同梱のLICENSE.txtをご確認ください。 お問い合わせはBOOTHショップのメッセージからお願いします。 はじめての分類実験室 v1.0.0 / kitnet