機械学習から始める Rust 入門¶
Rust は、所有権による記憶域の管理と、例外を持たない型ベースのエラー処理を特徴とするコンパイル言語です。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、機械学習ライブラリ linfa と突き合わせながら、Rust の書き方とエコシステムを学びます。
Rust は「ライブラリが揃った静的型付け言語」として扱います。Java 版（Tribuo）・C# 版（ML.NET）と同じ立場で、決定木から交差検証まで自作 → ライブラリで突き合わせるという流れをほぼ全章で書けます。一方、エラーの扱いでは Go 版（error の戻り値）・F# 版（Result）と、所有権では全言語版と対比します。
特徴¶
- 所有権と借用: データを渡すときに「所有権を移す」「借りる」「複製する」のどれかを選ぶ。読むだけなら
&[T]で借りる。どこでclone()するかが設計になる - 例外が無い: 失敗しうる処理は
Result<T, E>を返し、?演算子で上へ返す。エラーの種類はenumで表し、matchの網羅性をコンパイラが検査する - テストが実装と同じファイルにある:
#[cfg(test)] mod testsはテストのときだけコンパイルされ、非公開の関数にも手が届く。関数名に日本語をそのまま使える - クレートの版が型を分ける: ndarray 0.16 と 0.17、rand 0.8 と 0.9 を混ぜると「同じ名前の別の型」になる。linfa が使う版にそろえる
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 Rust で取り組んでください
- 分割の手順は Python 版と同じですが、乱数生成器が異なるため、訓練データとテストデータに入る行は Python 版と一致しません。記事の数値は Rust 版の実装で実測した値を載せています
- linfa に無いもの（ランダムフォレスト・欠損値の補完・ダミー変数化）は自作が最終実装です。該当する章ではライブラリへの置き換えの節を設けず、理由を明記します
- BOM 付きの CSV は、csv クレートが BOM を自動で取り除きます。ほかの言語版で毎回書いてきた BOM の除去が、Rust 版だけ要りません
開発環境¶
| ツール | 用途 |
|---|---|
| Rust 1.91（edition 2024）・Cargo | 言語・ビルド・依存管理 |
標準の #[test]（cargo test） |
テスティングフレームワーク |
| rustfmt | 整形（cargo fmt --check で検査） |
| clippy | 静的解析（cargo clippy -- -D warnings） |
| cargo-llvm-cov | カバレッジ |
Nix の環境（nix develop .#rust）は rustc 1.91.1・cargo 1.91.0・rustfmt 1.8.0・clippy 0.1.91・cargo-llvm-cov 0.6.20 です。
ライブラリ¶
| ライブラリ | 用途 | 初出 |
|---|---|---|
| csv | CSV の読み込み（BOM を自動で取り除く） | 第 1 章 |
| rand | 乱数（訓練データとテストデータの分割） | 第 2 章 |
| linfa | 決定木・回帰・ロジスティック回帰・K-means・主成分分析・評価指標・交差検証 | 第 3 章 |
| ndarray | 行列 | 第 7 章 |
| serde・serde_json | 学習済みモデルの保存 | 第 8 章 |
| encoding_rs | Shift_JIS の CSV | 第 9 章 |
| axum・tokio | 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 009 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/rust/ 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。
cd apps/rust
cargo test
cargo run --bin chapters -- chapter01
リポジトリのルートで npx gulp apps:check:rust を実行すると、CI と同じ順（整形・clippy・テスト・カバレッジ）でまとめて検査できます。
章構成¶
第 1 部: 機械学習と TDD の基本サイクル¶
| 章 | テーマ |
|---|---|
| 第 1 章 | 機械学習とはじめてのテスト |
| 第 2 章 | データの前処理と三角測量 |
| 第 3 章 | 決定木による分類と明白な実装 |
第 2 部: 開発環境と自動化¶
| 章 | テーマ |
|---|---|
| 第 4 章 | バージョン管理とデータ管理 |
| 第 5 章 | パッケージ管理と静的解析 |
| 第 6 章 | タスクランナーと CI/CD |
第 3 部: 回帰と実践的な前処理¶
| 章 | テーマ |
|---|---|
| 第 7 章 | 線形回帰による数値予測 |
| 第 8 章 | 実践的な分類と前処理パイプライン |
| 第 9 章 | 特徴量エンジニアリング |
第 4 部: モデルの改善と評価¶
| 章 | テーマ |
|---|---|
| 第 10 章 | ロジスティック回帰とアンサンブル学習 |
| 第 11 章 | 評価指標と交差検証 |
| 第 12 章 | 正則化とモデル選択 |
第 5 部: 教師なし学習と実運用¶
| 章 | テーマ |
|---|---|
| 第 13 章 | 主成分分析による次元削減 |
| 第 14 章 | K-means によるクラスタリング |
| 第 15 章 | 機械学習 API とモジュール設計 |
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 Rust で取り組んでください。