試験公開中

このエントリーをはてなブックマークに追加

スッキリわかるPythonによる機械学習入門

インプレス

3,300円 (3,000円+税)

機械学習の世界は、学ぶべき分野が多岐に及びます。本書は、広大な学習範囲に対して、真正面から取り組み、しかしスムーズかつスッキリと学びきることができる入門書です。データ分析の「全体の流れ」を繰り返し追いかけることで、機械学習の全体像と本質が自然に染み込む仕掛けとなっています。

【注意】本書のEPUB版は固定レイアウト型になっております。文字の大きさの変更や検索、引用などはお使いいただけません。画面の大きい端末でご利用ください。

関連サイト

本書の関連ページが用意されています。

内容紹介

少しずつ・繰り返し・ていねいに積み上げるスッキリ流解説で実践的なスキルが必ず身に付く魔法の書

機械学習の世界は、数学理論、モデル、ライブラリ、プログラミングなど、学ぶべき分野が多岐に及びます。各分野は1つでさえ十分奥深く、初学者にとっては「何を」「どこから」「どのように」「どこまで」学べば、データサイエンティストへの一歩を踏み出せるのかわからず、途方に暮れてしまうことも少なくありません。

本書は、この広大な世界に対して、真正面から、しかしスムーズかつスッキリと学び進めていただくための入門書です。

各工程やツールを個別・独立してバラバラに学ぶのではなく、データ分析の「全体の流れ」を繰り返し体験することで、機械学習の全体像と本質が自然と体に染みこむよう構成されています。しかも単に繰り返すのではなく、最初はシンプルでやさしい題材からはじめ、以後、さまざまに角度を変えながら、段階的に高度な内容に挑戦するため、最終的には、中級者にステップアップするための応用術も身に付けられるでしょう。

もちろん、シリーズで好評の「エラー解決・虎の巻」も収録していますので、途中でつまずいても安心です。機械学習の楽しさ、奥深さをじっくり学び、新しい未来への道を拓いてみませんか。

書誌情報

  • 著者: 須藤秋良(著), 株式会社フレアリンク(監修)
  • 発行日: (紙書籍版発行日: 2020-10-16)
  • 最終更新日: 2023-09-11
  • バージョン: 1.6.0
  • ページ数: 664ページ(PDF版換算)
  • 対応フォーマット: PDF, EPUB
  • 出版社: インプレス

対象読者

機械学習に興味があるプログラミング入門者

著者について

須藤秋良

株式会社フレアリンクCDSO(chief data science officer)。教育業界のデータ解析や医学研究の統計解析コンサルティングなどを行い、最近ではDjango やRailsを利用した機械学習Webアプリの開発といったエンジニア業務も務める。また、これら業務の知見を活かし、データサイエンス系セミナーの研修講師も務め、これまで担当した研修受講者は総数3000名を超える。著書は『スッキリわかるPython入門』。

株式会社フレアリンク

目次

まえがき

本書の見方

●第0章 Python基本文法の復習

  • 0.1 ようこそ機械学習の世界へ
  • 0.2 Python基本文法の習熟度を確認する練習問題
  • 0.3 確認用練習問題の解答

■■第I部 ようこそ機械学習の世界へ

●第1章 AIと機械学習

  • 1.1 人工知能(AI)とは
  • 1.2 機械学習とは
  • 1.3 第1章のまとめ
  • 1.4 練習問題
  • 1.5 練習問題の解答

●第2章 機械学習に必要な基礎統計学

  • 2.1 データの種類
  • 2.2 基本統計量
  • 2.3 統計学でよく使われるグラフ
  • 2.4 第2章のまとめ
  • 2.5 練習問題
  • 2.6 練習問題の解答

●第3章 機械学習によるデータ分析の流れ

  • 3.1 目的の明確化
  • 3.2 データの収集と前処理
  • 3.3 モデルの選択と学習
  • 3.4 モデルの評価
  • 3.5 第3章のまとめ
  • 3.6 練習問題
  • 3.7 練習問題の解答

●第4章 機械学習の体験

  • 4.1 きのこ派とたけのこ派に分類する
  • 4.2 pandas超入門
  • 4.3 データの前処理
  • 4.4 モデルの準備と機械学習の実行
  • 4.5 モデルの評価
  • 4.6 モデルの保存
  • 4.7 第4章のまとめ
  • 4.8 練習問題
  • 4.9 練習問題の解答

■■第II部 教師あり学習の理解を深めよう

第II部で新たに学ぶトピック一覧

●第5章 分類1:アヤメの判別

  • 5.1 アヤメの花を分類する
  • 5.2 データの前処理
  • 5.3 モデルの作成と学習
  • 5.4 モデルの評価
  • 5.5 決定木の図の作成
  • 5.6 第5章のまとめ
  • 5.7 練習問題
  • 5.8 練習問題の解答

●第6章 回帰1:映画の興行収入の予測

  • 6.1 映画の興行収入を予測する
  • 6.2 データの前処理
  • 6.3 モデルの作成と学習
  • 6.4 モデルの評価
  • 6.5 回帰式による影響度の分析
  • 6.6 第6章のまとめ
  • 6.7 練習問題
  • 6.8 練習問題の解答

●第7章 分類2:客船沈没事故での生存予測

  • 7.1 客船沈没事故から生き残れるかを予測
  • 7.2 データの前処理
  • 7.3 モデルの作成と学習
  • 7.4 モデルの評価
  • 7.5 決定木における特徴量の考察
  • 7.6 第7章のまとめ
  • 7.7 練習問題
  • 7.8 練習問題の解答

●第8章 回帰2:住宅の平均価格の予測

  • 8.1 住宅平均価格を予測する
  • 8.2 データの前処理
  • 8.3 モデルの作成と学習
  • 8.4 モデルの評価とチューニング
  • 8.5 第8章のまとめ
  • 8.6 練習問題
  • 8.7 練習問題の解答

●第9章 教師あり学習の総合演習

  • 9.1 第Ⅱ部で学習した内容のまとめ
  • 9.2 練習問題:金融機関のキャンペーン分析

■■第III部 中級者への最初の1歩を踏み出そう

●第10章 より実践的な前処理

  • 10.1 さまざまなデータの読み込み
  • 10.2 より高度な欠損値の処理
  • 10.3 より高度な外れ値の処理
  • 10.4 第10章のまとめ
  • 10.5 練習問題
  • 10.6 練習問題の解答

●第11章 さまざまな教師あり学習:回帰

  • 11.1 リッジ回帰
  • 11.2 ラッソ回帰
  • 11.3 回帰木
  • 11.4 第11章のまとめ
  • 11.5 練習問題
  • 11.6 練習問題の解答

●第12章 さまざまな教師あり学習:分類

  • 12.1 ロジスティック回帰
  • 12.2 ランダムフォレスト
  • 12.3 アダブースト
  • 12.4 第12章のまとめ
  • 12.5 練習問題
  • 12.6 練習問題の解答

●第13章 さまざまな予測性能評価

  • 13.1 回帰の予測性能評価
  • 13.2 分類の予測性能評価
  • 13.3 K分割交差検証
  • 13.4 第13章のまとめ
  • 13.5 練習問題
  • 13.6 練習問題の解答

●第14章 教師なし学習1:次元の削減

  • 14.1 次元削減の概要
  • 14.2 データの前処理
  • 14.3 主成分分析の実施
  • 14.4 結果の評価
  • 14.5 第14章のまとめ
  • 14.6 練習問題
  • 14.7 練習問題の解答

●第15章 教師なし学習2:クラスタリング

  • 15.1 クラスタリングの概要
  • 15.2 データの前処理
  • 15.3 クラスタリングの実行
  • 15.4 結果の評価
  • 15.5 第15章のまとめ
  • 15.6 練習問題
  • 15.7 練習問題の解答

●第16章 まだまだ広がる機械学習の世界

  • 16.1 さまざまな機械学習

●付録A sukkiri.jpについて

  • A.1 sukkiri.jpについて

●付録B エラー解決・虎の巻

  • B.1 エラーとの上手な付き合い方
  • B.2 トラブルシューティング

●付録C Pandas虎の巻

  • C.1 シリーズの基本操作
  • C.2 データフレームの基本操作
  • C.3 データフレームの応用操作
  • C.4 データの可視化

●付録D 機械学習の数学(基礎編)

  • D.1 データとデータの距離(高校数学)
  • D.2 データの総和を表すΣ(高校数学)
  • D.3 微分(高校数学の基礎レベル)
  • D.4 線形代数(大学数学の基礎レベル)
  • D.5 偏微分(大学数学の基礎レベル)

●付録E 最小2乗法の数学理論に挑戦

  • E.1 重回帰分析の係数の導出(最小2乗法)

索引

Home 書籍一覧 スッキリわかるPythonによる機械学習入門 ▲ ページトップへ戻る