書店員向け情報 HELP
出版者情報
書店注文情報
scikit-learnデータ分析実装ハンドブック
- 初版年月日
- 2019年11月15日
- 書店発売日
- 2019年11月15日
- 登録日
- 2019年10月30日
- 最終更新日
- 2019年10月31日
紹介
実データに合わせて最適な予測モデルを作ることのできるPythonライブラリのscikit-learn解説書です。本書は他の実装本とは異なり、アルゴリズムの解説に敢えて数式を採用し、実装で指定するハイパーパラメータと数式の関係が分かるよう工夫しました。また、ハイパーパラメータの値を増減し、そのときの予測の変化も紙面が許す限り記載しました。本書は不動産価格の予測やワイン品種の分類で使用する典型的なデータセットだけでなく、より実践的なデータ分析が学べるよう、タイタニック、気温、MovieLensのデータセットを採用しています。これらのデータセットを用いて、前処理から予測モデル作成までの分析例を実例で紹介します。
目次
第1章 機械学習とは何か
1.1 機械学習とは何か
1.2 機械学習の種類
第2章 scikit-learnと開発環境
2.1 scikit-learnとは
2.2 scikit-learnのセットアップ
2.3 scikit-learnによる機械学習の基本的な実装
2.4 アルゴリズムチートシート
第3章 回帰
3.1 回帰のアルゴリズム
3.2 線形回帰
3.3 線形回帰の正則化
3.4 線形回帰の確率的勾配降下法
3.5 線形サポートベクトル回帰
3.6 ガウスカーネルのサポートベクトル回帰
3.7 ランダムフォレスト回帰
第4章 分類
4.1 分類のアルゴリズム
4.2 ロジスティック回帰
4.3 線形サポートベクトル分類
4.4 ガウスカーネルのサポートベクトル分類
4.5 ランダムフォレスト
第5章 クラスタリング
5.1 クラスタリングのアルゴリズム
5.2 K-means
5.3 混合ガウス分布(GMM)、変分混合ガウス分布(VBGMM)
第6章 次元削減
6.1 次元削減のアルゴリズム
6.2 主成分分析(PCA)
6.3 カーネルPCA
第7章 モデルの評価
7.1 モデルの評価
第8章 Preprocessing、実データ分析
8.1 はじめに
8.2 ロジスティック回帰を活用したタイタニックの予測モデルの作成
8.3 ランダムフォレストを活用した気温分析と消費の予測モデルの作成
8.4 Collaborative filteringを活用したレコメンデーションモデル
8.5 MovieLensを使ったモデル作り
第9章 scikit-learn API
9.1 regression(回帰)
9.2 classification(分類)
9.3 clustering(クラスタリング)
9.4 dimensionality reduction(次元削減)
上記内容は本書刊行時のものです。