今日から新しいプロジェクトを始めます。SwiftUIのスキルをさらに磨きながら、プログラミングの魅力的な分野である機械学習にも挑戦していきます。
オックスフォード大学で教鞭を執るスウェーデン人教授、ニック・ボストロムはかつて「機械知能は人類が今後必要とする最後の発明となるだろう」と述べた。それは本当だろうか?確かに、コンピュータに十分な思考能力を身につけさせることができれば、人間が思考する必要はなくなるだろう。しかし一方で、そもそも人類の多くはあまり思考していない、と主張する人もいるかもしれない。
とはいえ、使い始めるのがとても簡単で、SwiftUIに非常に自然に溶け込む点にはきっと感銘を受けると思います。
補足として付け加えておきたいのですが、そろそろこのコースのペースに慣れてきた頃でしょう。勉強、アプリ開発、技術プロジェクト、そして復習――これらが何度も繰り返されます。
しかし、もし途中で疲れたり、生活上の都合で集中できなくなったりした場合は、遠慮なく休憩を取ってください。1日か2日後にコードに戻ってくれば、よりリラックスして学習意欲が高まるでしょう。冒頭でも述べたように、これは短距離走ではなくマラソンです。ストレスが溜まっている状態では、効果的に学習することはできません。
今日は5つのトピックに取り組み、Stepper、DatePicker、DateFormatterなどについて学びます。
1. BetterRest: Introduction
ええ、そうですが、練習は決して無駄にはなりません。しかし、今回比較的シンプルなプロジェクトを用意したのは、iOS開発の真の強力な機能の一つである機械学習(ML)をご紹介したいからです。
すべてのiPhoneにはCore MLと呼ばれる技術が内蔵されており、過去のデータに基づいて新しいデータに関する予測を行うコードを作成できます。
まず、生データを用意し、それをトレーニングデータとしてMacに渡します。そして、その結果を利用して、新しいデータについて正確な予測を行うことができるアプリを構築します。
これらすべてはデバイス上で実行され、ユーザーのプライバシーは完全に保護されます。
私たちが開発している実際のアプリはBetterRestという名前で、コーヒーを飲む人がぐっすり眠れるように、3つの質問をすることでサポートするように設計されています。
- 彼らは何時に起きたいですか?
- だいたい何時間くらい寝たいですか?
- 1日に何杯コーヒーを飲みますか?
このプロジェクトに必要なファイルをダウンロードする必要があります。
GitHub からダウンロードできます: https://github.com/twostraws/HackingWithSwift – ファイルの SwiftUI セクションを確認してください。
それらが揃ったら、XcodeでBetterRestという名前の新しいアプリプロジェクトを作成してください。前回と同様、アプリ構築に必要な様々な技術の概要から始めますので、早速始めましょう…
補足
すべてのiPhoneにはCore MLと呼ばれる技術が内蔵されており
とありますが、不適切ですね。
Core MLというフレームワーク自体が発表されたのは2017年(iOS 11)です。
iOS 11以降を搭載したすべてのiPhoneには、Core MLと呼ばれる技術が内蔵されており
とすべきですね。
また、Neural EngineがiPhone 8 / iPhone X世代のA11 Bionic以降に搭載されています。
アプリから Core ML(ソフトウェア)を介して処理を呼び出すと、内部でその処理が自動的に Neural Engine(ハードウェア)やGPU、CPUなどの最適なハードウェアに振り分けられ、効率よく実行されます。つまり、Core ML は「アプリから機械学習を使うための仕組み(ソフト)」であり、Neural Engine は「機械学習の計算を爆速で行うための物理的な頭脳(ハード)」になります。
2. Entering numbers with Stepper
すべてのiPhoneにはCore MLと呼ばれる技術が内蔵されており
とありますが、不適切ですね。
Core MLというフレームワーク自体が発表されたのは2017年(iOS 11)です。
iOS 11以降を搭載したすべてのiPhoneには、Core MLと呼ばれる技術が内蔵されており
とすべきですね。
また、Neural EngineがiPhone 8 / iPhone X世代のA11 Bionic以降に搭載されています。
もう1つの方法はSliderで、後ほど使用します。こちらも値の範囲を選択できますが、精度は劣ります。
ステッパーは、あらゆる種類の数値型に対応できるほど賢いので、Int、Doubleなど、さまざまな型にバインドすることができ、自動的に適応します。たとえば、次のようなプロパティを作成できます。
@State private var sleepAmount = 8.0そして、それをステッピングモーターにバインドして、次のように現在の値を表示させることができます。
Stepper("\(sleepAmount) hours", value: $sleepAmount)このコードを実行すると、8.000000時間が表示されます。-と+をタップすると、7、6、5、そして負の数へと下降したり、9、10、11などへと上昇したりできます。
デフォルトでは、ステッピングモーターの制限は、そのメモリ容量の範囲のみによって決まります。
この例ではDouble型を使用しているため、スライダーの最大値は非常に大きくなります。
2人の子供を持つ父親として、どれほど睡眠が好きか言葉では言い表せないほどですが、それでも私でもそんなにたくさん眠ることはできません。
幸いなことに、Stepperでは、以下のようにin範囲を指定することで、受け入れたい値を制限できます。
Stepper("\(sleepAmount) hours", value: $sleepAmount, in: 4...12)この変更により、ステッパーは8から開始し、ユーザーは4から12までの範囲で移動できるようになりますが、それ以上は移動できません。これにより、ユーザーが24時間睡眠を試みることができないように睡眠範囲を制御できるだけでなく、例えば-1時間睡眠するといった不可能な値を拒否することもできます。
Stepperには、4つ目の便利なパラメータとしてStep値があります。
これは、マイナスまたはプラスボタンがタップされるたびに値をどれだけ移動させるかを示す値です。これも任意の数値を指定できますが、バインディングに使用されている型と一致している必要があります。つまり、整数にバインドしている場合は、ステップ値にDouble型を使用することはできません。
この場合、ユーザーは4から12までの睡眠時間を15分刻みで選択できると言えるでしょう。
Stepper("\(sleepAmount) hours", value: $sleepAmount, in: 4...12, step: 0.25)これは実用的になりつつあります。妥当な値の範囲が明確で、段階的な増分も適切であり、ユーザーは毎回自分が何を選択したのかを正確に確認できます
先に進む前に、このテキストを修正しましょう。
現在は8.000000と表示されていますが、これは正確ではあるものの、少し正確すぎる値です。これを修正するには、Swiftにformatted()を使ってDoubleをフォーマットするように指示すればよいでしょう。
Stepper("\(sleepAmount.formatted()) hours", value: $sleepAmount, in: 4...12, step: 0.25)補足
修正前:8.000000とか使いずらい
修正後:8になって、増減単位も0.25になりました。
3. Selecting dates and times with DatePicker
そのため、これを使用するには、次のような @State プロパティから始めます。
@State private var wakeUp = Date.nowそれを次のように日付ピッカーにバインドできます。DatePicker("Please enter a date", selection: $wakeUp)シミュレーターで実行して、どのように表示されるか確認してみてください。日付と時刻を制御するためのタップ可能なオプションと、左側に「日付を入力してください」というラベルが表示されるはずです。さて、そのラベルが見栄えが悪いと思うなら、これを代わりに使ってみてください。
DatePicker("", selection: $wakeUp)こんな感じになりますね。
しかし、そうすると今度は2つの問題が発生します。日付ピッカーはラベルが空であるにもかかわらず、ラベルのためのスペースを確保してしまうこと、そしてスクリーンリーダー(VoiceOverとしてよく知られているもの)を有効にしているユーザーは、日付ピッカーが何のためにあるのか全く分からなくなってしまうことです。
より良い代替案は、次のように labelsHidden() 修飾子を使用することです。
DatePicker("Please enter a date", selection: $wakeUp)
.labelsHidden()元のラベルは残っているので、スクリーンリーダーはVoiceOverで利用できますが、画面上には表示されなくなりました。日付選択ツールが空のテキストによって片側に押しやられることはありません。こうなります。
日付ピッカーには、動作を制御するための設定オプションがいくつかあります。まず、displayedComponents を使用して、ユーザーに表示するオプションの種類を決定できます。
- このパラメータを指定しない場合、ユーザーには日付、時間、分が表示されます。
- .date を使用すると、ユーザーには月、日、年が表示されます。
- .hourAndMinute を使用すると、ユーザーには時間と分のコンポーネントのみが表示されます。
DatePicker("Please enter a time", selection: $wakeUp, displayedComponents: .hourAndMinute)func exampleDates() {
// create a second Date instance set to one day in seconds from now
let tomorrow = Date.now.addingTimeInterval(86400)
// create a range from those two
let range = Date.now...tomorrow
}例えば、次のような日付選択ツールを作成できます。
DatePicker("Please enter a date", selection: $wakeUp, in: Date.now...)4. Working with dates
ほら、日付を扱うのは大変なんです。本当に大変で、想像以上に大変なんです。私が想像するよりもずっと大変で、私は何年も日付を扱っているのに。
let now = Date.now
let tomorrow = Date.now.addingTimeInterval(86400)
let range = now...tomorrowそれは簡単そうに思えるかもしれませんが、毎日が86,400秒あるのでしょうか?もしそうなら、多くの人が職を失ってしまうでしょう!サマータイムのことを考えてみてください。時計が進む(1時間減る)こともあれば、戻る(1時間増える)こともあり、その場合、1日は23時間だったり25時間だったりします。さらに、うるう秒もあります。これは、地球の自転速度が遅くなるのに合わせて時計に追加される時間です。
それが難しいと思うなら、Macのターミナルで「cal」と入力してみてください。これは、現在の月の簡単なカレンダーを表示し、曜日を示します。次に、「cal 9 1752」と入力してみてください。これは1752年9月のカレンダーを表示します。ユリウス暦からグレゴリオ暦に移行したため、12日間が欠落していることに気づくでしょう。
私たちが作成するプロジェクトでは、日付を次の3つの方法で使用します。
- 適切なデフォルトの「起床」時刻を選択する。
- 起床したい時間と分を読み上げる。
- 推奨就寝時間を分かりやすく表示しています。
iOSにそういった面倒な作業をすべて任せる方がずっと良いです。
作業量がはるかに少なくて済むし、ユーザーの地域設定に関係なく、必ず正しい結果が得られからです。
それでは、それぞれの項目について個別に見ていきましょう。まずは、適切な起床時間を選ぶことから始めます。
ご覧いただいたように、Swiftでは日付を扱うためのDate型が用意されており、年、月、日、時、分、秒、タイムゾーンなど、さまざまな情報が含まれています。しかし、私たちはそれらのほとんどについて考える必要はありません。「今日が何曜日であろうと、午前8時に起床するようにしてほしい」と伝えたいだけなのです。
Swiftには、その目的のためにDateComponentsと呼ばれる少し異なる型があり、日付全体ではなく、日付の特定の部分を読み書きすることができます。
つまり、今日の午前8時を表す日付が必要な場合は、次のようなコードを書くことができます。
var components = DateComponents()
components.hour = 8
components.minute = 0
let date = Calendar.current.date(from: components)let date = Calendar.current.date(from: components) ?? .now一つ問題なのは、DateComponents の仕組み上、要求した値と取得した値にずれが生じることです。時間と分を要求することはできますが、返されるのはすべてのプロパティにオプション値を持つ DateComponents インスタンスです。
はい、時間と分は要求した値なので、それらが含まれることはわかっていますが、それでもオプション値を展開するか、デフォルト値を提供する必要があります。
let components = Calendar.current.dateComponents([.hour, .minute], from: someDate)
let hour = components.hour ?? 0
let minute = components.minute ?? 0最後の課題は、日付と時刻をどのようにフォーマットするかですが、ここでは2つの選択肢があります。
まず、これまで非常にうまく機能してきたフォーマットパラメータを利用する方法があります。ここでは、日付のうち表示したい部分を自由に指定できます。
例えば、日付から時刻だけを取得したい場合は、次のように記述します。
Text(Date.now, format: .dateTime.hour().minute())Text(Date.now, format: .dateTime.day().month().year())異なる日付形式への対応方法について疑問に思うかもしれません。
例えば、ここイギリスでは日/月/年の形式を使いますが、他の国では月/日/年の形式を使うところもあります。しかし、その心配は無用です。
day().month().year() と記述すると、データの取得を要求しているだけで、データの形式を操作しているわけではありません。iOS はユーザーの設定に基づいて、そのデータを自動的にフォーマットしてくれます。
Text(Date.now.formatted(date: .long, time: .shortened))要は、日付を扱うのは難しいということですが、Appleはそれを容易にするための数々の便利なツールを提供してくれています。それらをうまく使いこなせば、書くコードの量も減り、より質の高いコードが書けるようになるでしょう!
5. Training a model with Create ML
Appleの2つのフレームワーク、Core MLとCreate MLのおかげで、デバイス上での機械学習は驚くほど簡単になりました。Core MLを使えば機械学習を使ったアプリを作成でき、Create MLを使えば専用のCreate MLアプリを使って独自のカスタム機械学習モデルを作成できます。このアプリはドラッグ&ドロップ操作だけで簡単に操作できます。こうした取り組みの結果、今では誰でも自分のアプリに機械学習を組み込むことができるようになりました。Core MLは、画像、音声、さらには動きの認識など、さまざまなトレーニングタスクを処理できますが、今回は表形式回帰について見ていきましょう。これは機械学習ではよく使われる専門用語ですが、要するに、スプレッドシートのような大量のデータをCreate MLに入力して、さまざまな値間の関係性を分析させるということです。
機械学習は2つのステップで行われます。まずモデルを訓練し、次にモデルに予測をさせます。訓練とは、コンピュータがすべてのデータを調べて、すべての値間の関係を把握するプロセスです。大規模なデータセットでは、このプロセスに長い時間がかかる場合があります。簡単に数時間、場合によってはそれ以上かかることもあります。予測はデバイス上で行われます。訓練済みのモデルをデバイスに入力すると、デバイスは過去の結果を使用して新しいデータに関する推定を行います。
それではトレーニングプロセスを開始しましょう。MacでCreate MLアプリを開いてください。アプリの場所がわからない場合は、Xcodeメニューから「開発者ツールを開く」>「Create ML」を選択して起動できます。
補足
これがすごくわかりずらい。
りんごマークの右のXcode→Open Development Tool→Create MLを選択すると、macOSの一般的なファイル選択(保存/開く)ダイアログが開きます。
ここではキャンセルを押下します。
そうするとXcodeのメニューがML関連のものになります。
Create MLアプリを起動すると、まずプロジェクトを作成するか、既存のプロジェクトを開くかを選択するよう求められます。「新規ドキュメント」をクリックして開始してください。多数のテンプレートが表示されますが、「表形式回帰」を選択して「次へ」を押してください。プロジェクト名には「BetterRest」と入力し、「次へ」を押します。デスクトップを選択し、「作成」を押してください。
Create MLは、最初は少し難しく感じるかもしれません。画面にたくさんのオプションが表示されるからです。でもご安心ください。私が手順をご説明すれば、それほど難しくはありません。
最初のステップは、Create MLにトレーニングデータを提供することです。これは、Create MLが分析するための生の統計データであり、今回の場合は、起床したい時間、理想的な睡眠時間、1日に飲むコーヒーの量、そして実際に必要な睡眠時間の4つの値で構成されます。
このデータは、このプロジェクトのプロジェクトファイルに含まれている BetterRest.csv というファイルに保存してあります。これは Create ML が扱えるカンマ区切り値のデータセットなので、まずはこのファイルをインポートしましょう。
Create MLで「データ」の項目を探し、「トレーニングデータ」の下にある「選択…」を選択します。もう一度「選択…」を押すとファイル選択ウィンドウが開くので、BetterRest.csvを選択してください。
重要:このCSVファイルには、本プロジェクトのためのサンプルデータが含まれており、実際の医療関連業務には使用しないでください。
次に、目標値(コンピュータに予測させたい値)と特徴量(目標値を予測するためにコンピュータが調べる値)を決定します。例えば、人が必要とする睡眠時間と実際に必要な睡眠時間を特徴量として選択すれば、その人が飲むコーヒーの量を予測するようにコンピュータを訓練することができます。
この場合、ターゲットとして「actualSleep」を選択してください。これは、コンピューターが実際に必要な睡眠時間を予測する方法を学習することを意味します。
次に、「機能の選択」を押して、「wake」、「estimatedSleep」、「coffee」の3つのオプションすべてを選択してください。コンピューターが予測を行う際に、これら3つすべてを考慮に入れるようにするためです。
「機能の選択」ボタンの下にはアルゴリズムを選択するドロップダウンボタンがあり、自動、ランダムフォレスト、ブースティングツリー、決定木、線形回帰の5つのオプションがあります。それぞれデータ分析のアプローチが異なりますが、便利なことに、最適なアルゴリズムを自動的に選択しようとする「自動」オプションがあります。常に正しいとは限りませんし、実際には選択肢がかなり制限されますが、このプロジェクトには十分すぎるほどです。
補足
りんごマークの右のXcode→Open Development Tool→Create MLを選択すると、macOSの一般的なファイル選択(保存/開く)ダイアログが開きます。
New Documentボタンを押下します。
Choose a Template画面に遷移するので、Tabular Regressionを選択してNextボタンを押下します。
Project Nameに「BetterRest」を入力してNextボタンを押下します。
macOSの一般的なファイル選択(保存/開く)ダイアログが開きます。
Createボタンを押下します。
Tabular Regression Project画面に遷移します。
Testing Dataの下のChooseを押下するとプルダウンにSelect...が表示されるので選択します。ファイル選択ダイアログがポップアップするので、CSVファイルを選択します。
Githubからダウンロードしたファイルの、HackingWithSwift/SwiftUI/project4-filesのフォルダーの下に、BetterRest.csvをインポートします。
CSVファイルをインポート後に、No taget selectedと表示されます。
TargetでactualSleepを選択します。
FeaturesでChoose Featuresを選択します。
Features画面がポップアップするので、「wake」、「estimatedSleep」、「coffee」の3つのオプションをチェックします。
- Automatic
- Random Forest
- Boosted Tree
- Decision Tree
- Linear Regression
トレーニングの結果を確認するには、「評価」タブを選択し、「検証」を選択して結果指標を確認してください。ここで注目すべき値は二乗平均平方根誤差(RMSE)で、約170という値が表示されるはずです。これは、モデルが平均して推奨睡眠時間をわずか170秒(3分)の誤差で正確に予測できたことを意味します。
ヒント:Create MLは、トレーニング統計と検証統計の両方を提供してくれます。どちらも重要です。データを使ってトレーニングするように指示すると、データは自動的に分割されます。一部は機械学習モデルのトレーニングに使用され、残りは検証用に保持されます。この検証データは、モデルのチェックに使用されます。入力に基づいて予測を行い、その予測が実際のデータ値からどれだけ乖離しているかを確認します。
545バイトというのは確かに小さいように聞こえるかもしれませんが、そのほとんどがメタデータであることを付け加えておきます。著者名はもちろんのこと、wake、estimatedSleep、coffee、actualSleepといったすべてのフィールド名も含まれています。
ハードデータ(3つの変数に基づいて必要な睡眠時間を予測する方法)が実際に占める容量は、100バイトをはるかに下回ります。これは、Create MLが値そのものには関心を持たず、変数間の関係性のみに関心を持つためです。
そのため、数十億回のCPUサイクルを費やして、各特徴量に対してさまざまな重みの組み合わせを試して、実際の目標値に最も近い値を生成する組み合わせを見つけ出し、最適なアルゴリズムがわかったら、それを保存するだけです。
モデルの学習が完了したので、「取得」ボタンを押してデスクトップにエクスポートしてください。そうすれば、コード内でモデルを使用できます。
ヒント:トレーニングを再度試したい場合(例えば、利用可能なさまざまなアルゴリズムを試したい場合)は、左側のウィンドウでモデルソースを右クリックし、[複製]を選択してください。
これらのトピックをすべて理解したら、必ずオンライン上のどこかに進捗状況を投稿してください。あなたは機械学習を理解するための第一歩を踏み出したのです!
補足
設定が終わったので、Trainボタンを押下します。
完了します。
EvaluationタブのValidationでBetterRest.csv(Auto)をクリックすると結果が見れます。
Root Mean Square Error(二乗平均平方根誤差)が約170秒であることがわかります。
















