Pythonによる機械学習―予測解析の必須テクニック [単行本]
    • Pythonによる機械学習―予測解析の必須テクニック [単行本]

    • ¥4,950149ポイント(3%還元)
    • 在庫あり2022年10月6日木曜日までヨドバシエクストリームサービス便(無料)がお届け
100000009003024740

Pythonによる機械学習―予測解析の必須テクニック [単行本]

価格:¥4,950(税込)
ポイント:149ポイント(3%還元)(¥149相当)
お届け日:在庫あり今すぐのご注文で、2022年10月6日木曜日までヨドバシエクストリームサービス便(無料)がお届けします。届け先変更]詳しくはこちら
出版社:共立出版
販売開始日: 2019/05/01
お取り扱い: のお取り扱い商品です。
ご確認事項:返品不可

カテゴリランキング

店舗受け取りが可能です
マルチメディアAkibaマルチメディア梅田マルチメディア博多にて24時間営業時間外でもお受け取りいただけるようになりました

Pythonによる機械学習―予測解析の必須テクニック の 商品概要

  • 目次

    第1章 予測に欠かせない二つのアルゴリズム
    1.1 なぜこの二つのアルゴリズムは便利なのか?
    1.2 罰則付き線形回帰とは?
    1.3 アンサンブル法とは?
    1.4 使用するアルゴリズムの決め方
    1.5 予測モデルを構築するプロセス
    1.6 章の内容と依存関係
    1.7 本章のまとめ

    第2章 データを理解することによって問題を理解する
    2.1 新しい問題の構造
    2.2 分類問題―音波探知機を使って不発の機雷を見つける
    2.3 岩と機雷のデータセットの性質を可視化する
    2.4 質的データで量的な予測を行う―アワビは何才か?
    2.5 実数を持つ属性を使った実数の予測―ワインの味をどのように計算するか
    2.6 多クラス分類問題―どんなタイプのガラスか?
    2.7 本章のまとめ

    第3章 予測モデルの構築―精度,複雑さ,データ量のバランス
    3.1 基本的な問題―関数近似を理解する
    3.2 アルゴリズムの選択を左右する要素と精度―複雑さとデータ
    3.3 予測モデルの精度を測る
    3.4 モデルとデータの調和を生み出す
    3.5 本章のまとめ

    第4章 罰則付き線形回帰
    4.1 罰則付き線形回帰が有用である理由
    4.2 罰則付き線形回帰―線形回帰問題に罰則項を加えて精度を高める.
    4.3 罰則付き線形回帰問題の解法
    4.4 数値入力を伴う線形回帰への拡張
    4.5 本章のまとめ

    第5章 罰則付き線形回帰を用いた予測モデル構築
    5.1 罰則付き線形回帰のPythonパッケージ
    5.2 多変数回帰―ワインの味の予測
    5.3 2クラス分類―罰則付き線形回帰を用いた不発弾の検出
    5.4 多クラス分類―犯罪現場のガラスサンプルの判別
    5.5 本章のまとめ

    第6章 アンサンブル学習
    6.1 決定木
    6.2 ブートストラップ集約―バギング
    6.3 勾配ブースティング
    6.4 ランダムフォレスト
    6.5 本章のまとめ

    第7章 アンサンブル学習のモデル構築
    7.1 PythonのEnsembleパッケージによる回帰問題の解決
    7.2 ワインの品質データセットへのバギングの適用
    7.3 非数値変数を含むデータに対するアンサンブル学習モデルの構築
    7.4 2クラス分類問題へのアンサンブル学習の適用
    7.5 多クラス分類問題へのアンサンブル学習の適用
    7.6 アルゴリズムの比較
    7.7 本章のまとめ
  • 内容紹介

    「ビッグデータ」,「データサイエンティスト」,「AI」といった言葉がよく聞かれ,日々蓄積されるさまざまなデータの利活用が推進されている昨今,「機械学習」は,これらの言葉と切っても切れない存在となっている。
     本書は,さまざまなデータから未来を予測する“回帰問題”や“分類問題”に焦点を当て,多くのPythonのコードとともに,機械学習の効率的なアルゴリズムを取り上げていく。アルゴリズムがどのように振る舞うかをプログラムから理解し,結果を適切に解釈できるよう,動作を理解するためのコードと,実践で利用する最適化されたコードの2種類を用意し,また無償で入手可能なデータセットに対してアルゴリズムを適用し,その実行結果から解釈の仕方に至るまでを丁寧に解説している。
     実際に手を動かしながら読み進めていくことで,データ解析に必要な考え方を一通り身につけることができる,データ解析の入門書として格好の1冊となろう。

    [原著名:Machine Learning in Python: Essential Techniques for Predictive Analysis]
  • 著者紹介(「BOOK著者紹介情報」より)(本データはこの書籍が刊行された当時に掲載されていたものです)

    ボウルズ,マイケル(ボウルズ,マイケル/Bowles,Michael)
    機械工学の学士号・修士号、計装学の理学博士、MBAを取得。学術、技術、ビジネスなどさまざまな分野に関わっており、現在は機械学習に関するスタートアップ企業を成功に導くために、経営者、コンサルタント、顧問として活躍している。また、カリフォルニア州マウンテンビューにあるコワーキングスペース・起業インキュベータであるHacker Dojoで、機械学習のコースを教えている。オクラホマ州生まれ、そこで学士号と修士号を取得した。その後、東南アジアで過ごした後、ケンブリッジ大学で理学博士を取得し、卒業後にMITのチャールズ・スターク・ドレイパー研究所に勤めた。その後ボストンを去り、南カリフォルニアのヒューズ航空機会社で通信衛星の開発に取り組んだ後、UCLAでMBAを修了した。サンフランシスコのベイエリアは移り、二つのベンチャー企業の創業者およびCEOとして成功を収めた。技術と企業のスタートアップに積極的に関わっており、最近では、自動取引における機械学習の活用や、遺伝情報に基づく病気などの予測、ラボデータや人口統計学に基づく患者の病状予測、機械学習やビッグデータ関連企業のデューデリジェンスなどを行っている

    露崎 博之(ツユザキ ヒロユキ)
    2014年中央大学理工学部経営システム工学科卒業。現在、株式会社マクロミル所属。学士(工学)

    山本 康平(ヤマモト コウヘイ)
    2014年中央大学大学院理工学研究科博士前期課程修了。現在、沖電気工業株式会社所属。修士(工学)

    大草 孝介(オオクサ コウスケ)
    2012年中央大学大学院理工学研究科博士後期課程修了。現在、九州大学大学院芸術工学研究院助教。博士(工学)。専攻は計算機統計学、センサデータ解析

Pythonによる機械学習―予測解析の必須テクニック の商品スペック

商品仕様
出版社名:共立出版
著者名:マイケル ボウルズ(著)/露崎 博之(訳)/山本 康平(訳)/大草 孝介(訳)
発行年月日:2019/04/30
ISBN-10:4320124383
ISBN-13:9784320124387
判型:B5
対象:専門
発行形態:単行本
内容:数学
言語:日本語
ページ数:316ページ
縦:24cm
横:19cm
その他: 原書名: Machine Learning in Python:Essential Techniques for Predictive Analysis〈Bowles,Michael〉
他の共立出版の書籍を探す

    共立出版 Pythonによる機械学習―予測解析の必須テクニック [単行本] に関するレビューとQ&A

    商品に関するご意見やご感想、購入者への質問をお待ちしています!