機械学習から始める Haskell 入門¶
Haskell は純粋関数型の言語です。副作用は IO として型に現れ、失敗は例外ではなく Either として値で表されます。本シリーズでは、Python 版と同じ題材の機械学習のアルゴリズムを TDD で自作し、Haskell の書き方とエコシステムを学びます。
Haskell 版はシリーズの最後、14 番目の言語版です。3 つの軸で対比します。1 つは Rust 版・F# 版 で、失敗を型で表す点が同じです。2 つめは F# 版・Clojure 版・Elixir 版 で、純粋関数でデータを変換していく流儀が近いところです。3 つめは PHP 版・Ruby 版 で、例外を投げる言語との正反対の設計です。
特徴¶
- 失敗を型で表す:
Either String aを返し、例外を投げない。呼ぶ側は失敗を無視できず、テストは「例外が飛ぶこと」ではなく「どんな値が返るか」を確かめる - 欠損を
Maybeで表す: 値が無いことを型に書く。nullチェックの漏れがコンパイルで止まる - 取りうる値を型で数え上げる:
data Faction = Kinoko | Takenokoと書けば、綴りの間違いも場合分けの漏れも-Wall -Werrorが止める IOを境界に閉じ込める: データの読み込みだけがIOで、前処理も学習も評価もすべて純粋関数になる。この分け方が型で保証される- 失敗を演算子で連ねる:
<$>・<*>・traverseで「どれか 1 つでも失敗したら失敗」が書ける
ほかの版との違い¶
- Notebook による探索と可視化の節は設けません。グラフは Python 版 と Kotlin 版 の可視化の節を参照してください
- 総合演習（付録 A）の解答例は作りません。演習問題は言語に依存しないので、Python 版の付録 A の問題に Haskell で取り組んでください
- 機械学習のライブラリがありません。 scikit-learn にあたるものが無く（
hlearnは保守が止まっています）、決定木・ランダムフォレスト・ロジスティック回帰・K-means・主成分分析はすべて自作します。突き合わせられるのは線形代数の層だけで、これは Elixir 版（Scholar に決定木が無い）よりさらに狭い範囲です（ADR 014） - hmatrix のために C ライブラリ（BLAS/LAPACK）が要ります。 素の環境では configure の段階で止まるので、Nix の環境定義に
openblasを足しました。第 7・12・13 章で自作と突き合わせるために必要な判断です - 乱数は
java.util.Randomと同じ線形合同法を自作します。System.Randomはほかの言語版と並びが合いません。Haskell のIntは溢れると折り返すので、PHP 版で必要だった乗算の分割が要らず、仕様をそのまま書けます - CSV は cassava を使いますが、BOM は取り除かれません。先頭から自分で取り除きます
ByteStringのリテラルに日本語を書くと壊れます。 列名と値はTextで持ち、境界でだけ UTF-8 として符号化・復号します
開発環境¶
| ツール | 用途 |
|---|---|
| GHC 9.10・cabal 3.16 | 言語・ビルド・依存管理 |
| Hspec 2.11・hspec-discover | テスティングフレームワーク（テスト名に日本語を使える） |
| fourmolu 0.19 | 整形（違反の終了コードは 100） |
hlint 3.10・GHC の -Wall -Werror |
静的解析（hlint が書き方、GHC が型と網羅性） |
| HPC（GHC 組み込み） | カバレッジ（しきい値は自作のスクリプトで判定する） |
Nix の環境（nix develop .#haskell）は GHC 9.10.3・cabal 3.16.0.0・stack 3.7.1・haskell-language-server と、環境の側で版を固定した fourmolu・hlint・hspec-discover、そして hmatrix のための openblas です。
ライブラリ¶
| ライブラリ | 用途 | 初出 |
|---|---|---|
| cassava | CSV の読み込み（BOM は自分で取り除く） | 第 1 章 |
| 自作の線形合同法 | 乱数（訓練データとテストデータの分割） | 第 2 章 |
| hmatrix | 線形代数（正規方程式・固有値分解） | 第 7 章 |
| statistics | 平均・標準偏差 | 第 9 章 |
Data.Binary |
学習済みモデルの保存 | 第 8 章 |
| Scotty・aeson | 予測 API | 第 15 章 |
選定の理由と、章ごとにライブラリへ置き換えられる範囲は ADR 014 を参照してください。
サンプルコード¶
サンプルコードは apps/haskell/ にあります。学習データの配置方法は 第 1 章 の「題材とデータ」を参照してください。
nix develop .#haskell
cd apps/haskell
cabal build
cabal test
リポジトリのルートで npx gulp apps:check:haskell を実行すると、CI と同じ順（整形・静的解析・テスト・カバレッジ）でまとめて検査できます。
章構成¶
全 15 章を公開しています。
第 1 部: 機械学習と TDD の基本サイクル¶
| 章 | テーマ | 状態 |
|---|---|---|
| 第 1 章 | 機械学習とはじめてのテスト | 公開済み |
| 第 2 章 | データの前処理と三角測量 | 公開済み |
| 第 3 章 | 決定木による分類と明白な実装 | 公開済み |
第 2 部: 開発環境と自動化¶
| 章 | テーマ | 状態 |
|---|---|---|
| 第 4 章 | バージョン管理とデータ管理 | 公開済み |
| 第 5 章 | パッケージ管理と静的解析 | 公開済み |
| 第 6 章 | タスクランナーと CI/CD | 公開済み |
第 3 部: 回帰と実践的な前処理¶
| 章 | テーマ | 状態 |
|---|---|---|
| 第 7 章 | 線形回帰による数値予測 | 公開済み |
| 第 8 章 | 実践的な分類と前処理パイプライン | 公開済み |
| 第 9 章 | 特徴量エンジニアリング | 公開済み |
第 4 部: モデルの改善と評価¶
| 章 | テーマ | 状態 |
|---|---|---|
| 第 10 章 | ロジスティック回帰とアンサンブル学習 | 公開済み |
| 第 11 章 | 評価指標と交差検証 | 公開済み |
| 第 12 章 | 正則化とモデル選択 | 公開済み |
第 5 部: 教師なし学習と実運用¶
| 章 | テーマ | 状態 |
|---|---|---|
| 第 13 章 | 主成分分析による次元削減 | 公開済み |
| 第 14 章 | K-means によるクラスタリング | 公開済み |
| 第 15 章 | 機械学習 API とモジュール設計 | 公開済み |
付録¶
総合演習（Bank）の解答例は Python 版のみです。演習問題は言語に依存しないので、Python 版の付録 A の問題に Haskell で取り組んでください。