【what is this】誰でも、短くて美しいコードに憧れます。参考文献[1]には、Pythonによる１行コード（Python One-Liners）の考え方と実例がたくさん載っています。それを参考に１行コードを２つほど書いてみました。
■例題：キノコの毒性に関するデータの学習と学習結果による予測
機械学習の分類問題として、キノコを有毒か無毒かに分類することをやってみます。図１には、キノコの色（赤、青、黄）、笠の形（丸、角）、柄の長さ（長、短）、場所（地面、樹木）の特性によって、それが有毒か無毒かのデータ（参考文献[2]から引用）があります。これを機械学習によって学習させ、さらに、その学習データが正しく分類（予測）されたかどうかを確認します。
（注）上記データは現実のキノコにそのまま当てはまるものではなく、あくまで機械学習を学ぶために用意された仮想データです。従って、実際のキノコの毒性判定には利用しないでください。
２つの手法（SVM-サポートベクタマシンとRandomForest）によるPython１行コードとその予測結果を示します。図２は、SVMの場合です。Python numpy配列のスライシング（特性データと正解レベルを分離するため）を行い、学習（.fit）結果を予測（.predict）へ接続しています。確かに、素早く簡潔なコーディングとなりました。学習に用いたデータに対する予測結果は、正解率89%でした。９件のうち１件のみが誤まった判定となりましたが、こんな少ないデータでも良く予測できることが確認できました。
次は、RandamForestによる場合です。こちらの結果は正解率100%でした。素晴らしい！やり方は、SVMの場合と同様です。
なお、図１での特性データは数値で与えたが、日本語で与えたい場合は以下のようにして、別途用意した辞書型変数Dを使い、map（lambda式を使う）処理を施せばよい。以下の実行結果は、図３での実行結果と同じになります。
上図の変数Yの計算は、以下のどちらでも良いでしょうが、２番目の方がちょっとだけ分かりやすいかもしれません。
Y = np.array(list(map(lambda i : list(map(lambda j : D[j], i)), X)))
Y = np.array(list(map(lambda i : [D[j] for j in i], X)))
■何のために１行コードを書くのか
さて、参考文献[1]の最後に、以下のような叙述がありました。納得ですね。
さて、参考文献[1]の最後に、以下のような叙述がありました。納得ですね。
Don't cram everything into a single line of code just to show off your one-liner superpower. Instead, why not use it to make existing codebases more readable by unraveling their most complex one-liners?
（単に何でもかんでも１行に詰め込むのではなく、複雑なコードを読みやすくするために！）
[参考文献]
[1] Christian Mayer, "Python One-Liners", No Starch Press, 2020.
[2] 黒橋禎夫, "改訂版 自然言語処理", 放送大学教育振興会, 2020.
