Streamlitによる機械学習モデルの予測結果を簡単に可視化するアプリの作成

HTMLやCSSにあまり詳しくないデータアナリストやデータサイエンティストが機械学習案件などでデータを活用したインタラクティブなウェブアプリケーションを簡単に作成したい場合、Streamlitはまさにそのニーズを満たすツールです。この記事では、Streamlitの概要とその用途を、プログラミング初学者にも理解しやすいように説明しています。

Contents

Streamlitとは？
応用
- 上記の技術に関する関連記事

Streamlitとは？

StreamlitはPythonライブラリの一つで、データサイエンスや機械学習のプロジェクトに特化したウェブアプリケーションを短時間で作成できるように設計されています。複雑なフロントエンドのコーディング知識がなくても、数行のPythonコードでデータを視覚化し、ユーザーとインタラクティブにやりとりできるアプリケーションを構築できます。

なぜStreamlitが選ばれるのか？

簡単さ: Streamlitの最大の魅力はそのシンプルさにあります。HTMLやCSS、JavaScriptなどのウェブ開発言語を学ばなくても、基本的なPythonの知識があればアプリケーションを作成できます。
迅速なプロトタイピング: データ駆動型のアプリケーションを迅速にプロトタイピングすることができます。これは、データサイエンスや機械学習のプロジェクトで、成果を素早くビジュアライズして共有する際に非常に便利です。
インタラクティブ: スライダー、ボタン、テキスト入力などのウィジェットを簡単に追加でき、これによりユーザーがアプリケーションと対話できます。これは、データの探索やパラメータの調整をリアルタイムで行いたい場合に特に有用です。
広範な用途: Streamlitはデータの視覚化、データ探索、機械学習モデルのデモンストレーションなど、幅広い用途に使用できます。

tableauなどのBIツールと差がつく場面としては機械学習によるモデルの精度や結果を可視化して確認したい場合かなと思います。単にKPIを可視化するだけであればtableauを使う方がよいです

Streamlitでできること

データの視覚化: MatplotlibやPlotlyなどのライブラリと組み合わせて、データをグラフやチャートで視覚化するアプリケーションを作成できます。
インタラクティブなデータ探索: ユーザーがデータフィルターを動的に調整し、結果をリアルタイムで確認できるアプリケーションを構築できます。
機械学習モデルのデモンストレーション: 作成した機械学習モデルをウェブアプリケーションに組み込み、外部からの入力に基づいて予測結果を表示させることができます。

はじめ方

Streamlitを始めるには、まずPythonがインストールされていることを確認し、次にコマンドラインやターミナルからStreamlitをインストールします

$ pip install streamlit

インストール後、以下のようなシンプルなコードで、最初のStreamlitアプリケーションを作成してみましょう

<app.py>

import streamlit as st
st.write("こんにちは、Streamlit!")

そして、コマンドラインから下記のコマンドでアプリケーションを実行します

streamlit run app.py

これで、ブラウザが開き、作成したアプリケーションが表示されます。

これで基本は完了ですが、実際に使用するためにはここからいろんな機能を追加していく必要があります・

応用

下記は上記のsteamlitを使用して機械学習の予測結果を可視化するアプリを作った例になります。

デザインなどは少し調整する必要がありますが、機能的には最低限のものは満たしていると思いますので

似たような案件で困っている方の参考になれば幸いです

上記の技術に関する関連記事

・Streamlitでのログイン認証機能の実装方法

・StreamlitでCSVダウンロード機能を実装する方法

・StreamlitでCSV読み込み機能を実装する方法

・Streamlitでのデータの可視化方法のまとめ