スッキリわかるPythonによる機械学習入門

• Material Type: 図書
• ISBN: 978-4-295-00994-8
• Title: スッキリわかるPythonによる機械学習入門
• Title Transcription: スッキリ ワカル パイソン ニ ヨル キカイ ガクシュウ ニュウモン
• Author/Editor: 須藤秋良 著; フレアリンク 監修
• Author Heading: 須藤, 秋良 ストウ, アキヨシ ( 001325492 )Authorities; フレアリンク フレア リンク ( 001308914 )Authorities
• Publication, Distribution, etc.: 東京 : インプレス
• Publication Date: 2020.10
• Publication Date (W3CDTF): 2020
• Extent: 662p
• Size: 21cm
• Place of Publication (Country Code): JP
• Text Language Code: jpn
• Subject Heading: 機械学習 キカイ ガクシュウ ( 001210569 )Authorities; プログラミング (コンピュータ) プログラミング (コンピュータ) ( 00569223 )Authorities
• NDC 10th ed.: 007.13 : Information science. Informatics
• NDLC: M121
• Target Audience: 一般
• Note (Bibliography): 索引あり
• Price: 3000円
• Holding library: 国立国会図書館
• Call No.: M121-M292
• Data Provider (Database): 国立国会図書館 : 国立国会図書館蔵書; https://ndlsearch.ndl.go.jp
• Bibliographic ID (NDL): 030675553; http://id.ndl.go.jp/bib/030675553
• National Bibliography No. (JPNO): 23455945
• TOHAN MARC No.: 34126244
• Cataloging Rule: Nippon Cataloguing Rules 1987 Revised Edition
• Bibliographic Record Category (NDL): 111

• Summary, etc.: 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。しかも単に繰り返すのではな...

Table of Contents

表紙
注意書き
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
ほか