Python機械学習ライブラリ scikit-learn活用レシピ80+

Python機械学習ライブラリ scikit-learn活用レシピ80+

¥3,900+税

品種名
書籍
発売日
2019/3/18
ページ数
392
サイズ
B5変形判
著者
Julian Avila 著/Trent Hauck 著/株式会社クイープ 訳
ISBN
9784295005742

Python機械学習のレシピ集80超!

必須のPython機械学習ライブラリを使いこなそう! 機械学習の各手法を80超のレシピとして幅広く解説。基礎的な手法から始め、前処理、次元削減、線形モデル、交差検証、SVM、アンサンブル学習、テキスト分析、多分類、ニューラルネットワークまで取り上げます。原著 2nd Edition待望の翻訳! 本書は『scikit-learn Cookbook - Second Edition』の翻訳書です。

「読者アンケートに答える」「読者プレゼントに応募」の場合もこちらをご利用ください。

アンケートに答える

書籍の内容に関するお問い合わせはこちら。お答えできるのは本書に記載の内容に関することに限ります。

学校・法人一括購入に関するお問い合わせはこちらへ。

一括購入窓口

著者紹介

■著者
Julian Avila(ジュリアン・アビラ)
金融とコンピュータービジョンを活動フィールドとするプログラマー兼データサイエンティスト。
マサチューセッツ工科大学(MIT)卒。大学では数学を専攻し、量子力学コンピュータを研究。

Trent Hauck(トレント・ホーク)
データサイエンティスト。カンザス大学で学士号と修士号を取得。
著書に『Instant Data Intensive Apps with pandas How-to』(Packt Publishing)がある。

■翻訳者
株式会社クイープ
1995年、米国サンフランシスコに設立。コンピュータシステムの開発、ローカライズ、
コンサルティングを手がけている。2001年に日本法人を設立。
主な訳書に、『AIアルゴリズムマーケティング自動化のための機械学習/経済モデル、
ベストプラクティス、アーキテクチャ』『徹底理解ブロックチェーン ゼロから着実にわかる
次世代技術の原則』『[第2版]Python機械学習プログラミング 達人データサイエンティスト
による理論と実践』などがある(いずれもインプレス発行)。

目次

第1章 機械学習の枠組みを理解する―NumPyからパイプラインまで
[1]NumPyの基礎
[2]Irisデータセットを読み込む
[3]Irisデータセットを可視化する
[4]Irisデータセットをpandasで可視化する
[5]NumPyとmatplotlibを使ってプロットする
[6]最も小さな機械学習レシピ:SVM分類
[7]交差検証の紹介
[8]すべてを1つにまとめる
[9]機械学習のオーバービュー:分類と回帰

第2章 モデル構築前のワークフローと前処理―サンプルデータの作成から確率的勾配降下法まで
[10]簡単な分析を行うためのサンプルデータを作成する
[11]標準正規分布の尺度でデータをスケーリングする
……
[18]回帰に確率的勾配降下法を使用する

第3章 次元削減―PCAから性能テストまで
[19]PCAによる次元削減
[20]分解に因子分析を使用する
……
[25]次元削減法をパイプラインでテストする

第4章 線形モデル―線形回帰からLARSまで
[26]直線をデータに適合させる
[27]機械学習を使って直線をデータに適合させる
……
[32]LARSによる正則化へのより基本的なアプローチ

第5章 ロジスティック回帰―データの読み込みからパイプラインまで
[33]UCI Machine Learning Repositoryからデータを読み込む
[34]pandasを使ってPima Indians Diabetesデータセットを可視化する
……
[40]コンテキストなしでROC曲線をプロットする
[41]データセットの読み込みからROC曲線のプロットまでを1つにまとめる:UCI Breast Cancerデータセット

第6章 距離指標を使ったモデルの構築―k-means法からk近傍法まで
[42]k-means法を使ったデータのクラスタリング
[43]セントロイドの個数を最適化する
……
[49]k-means法を使って外れ値を検出する
[50]回帰にk近傍法(KNN)を使用する

第7章 交差検証とモデル構築後のワークフロー―モデルの選択から永続化まで
[51]交差検証を使ってモデルを選択する
[52]k分割交差検証
……
[63]L1ノルムによる特徴選択
[64]joblibまたはpickleを使ってモデルを永続化する

第8章 サポートベクトルマシン―線形SVMからサポートベクトル回帰まで
[65]線形SVMを使ってデータを分類する
……
[68]サポートベクトル回帰

第9章 決定木アルゴリズムとアンサンブル学習
[69]決定木を使って基本的な分類を行う
[70]pydotを使って決定木を可視化する
……
[77]アダブースト(AdaBoost)回帰器のチューニング
[78]scikit-learnでスタッキングアグリゲータを作成する

第10章 テキスト分類と多クラス分類
[79]分類に確率的勾配降下法を使用する
[80]ナイーブベイズを使って文書を分類する
[81]半教師あり学習によるラベル伝播法

第11章 ニューラルネットワーク
[82]パーセプトロン分類器
[83]ニューラルネットワーク:多層パーセプトロン
[84]ニューラルネットワークによるスタッキング

第12章 単純な推定器の作成
[85]単純な推定器を作成する

ダウンロード

本製品の読者さまを対象としたダウンロード情報はありません。

お詫びと訂正

現在のところ、本製品に正誤情報はありません。

お問い合わせ

書籍の内容に関するお問い合わせはこちら。お答えできるのは本書に記載の内容に関することに限ります。

お問い合わせフォーム