Rではじめる機械学習 データサイズを抑えて軽量な環境で攻略法を探る(インプレス) [電子書籍]
    • Rではじめる機械学習 データサイズを抑えて軽量な環境で攻略法を探る(インプレス) [電子書籍]

    • ¥3,960792ポイント(20%還元)
    • すぐ読めます
こちらの商品は電子書籍版です
100000086600567247

Rではじめる機械学習 データサイズを抑えて軽量な環境で攻略法を探る(インプレス) [電子書籍]

価格:¥3,960(税込)
ポイント:792ポイント(20%還元)(¥792相当)
フォーマット:
専用電子書籍リーダアプリ「Doly」が必要です。無料ダウンロード
出版社:インプレス
公開日:2017年09月08日
すぐ読めます。
ご確認事項:電子書籍リーダーアプリ「Doly」専用コンテンツ

カテゴリランキング

  • 電子書籍
  • - 172353位

Rではじめる機械学習 データサイズを抑えて軽量な環境で攻略法を探る(インプレス) の 商品概要

  • 機械学習の考え方とRの活用をわかりやすく解説!―Rは、統計解析のためのプログラミング言語・開発環境であり、機械学習で利用できるライブラリが数多く提供されています。膨大なデータの処理よりもプロトタイピングや検証に適しており、先進IT企業では、あるモデルでうまく動作するかを判断するため、まずRでプロトタイプを作成・確認するというケースもあります。本書ではまず、機械学習の考え方や、その基礎となる統計をわかりやすく説明します。それを踏まえて、代表的な機械学習の理論を押さえながら、Rのさまざまな活用法を解説します。本書を読んで、Rによる機械学習の試行や検証を始めてみましょう。 ◇以下「はじめに」より抜粋・要約◇筆者は、これまで2年以上にわたって、オープンソースの統計解析ソフトウェア「R(アール)」を用いた機械学習のセミナーを実施してきました。いつも参加者は満員となり、ニーズの高さを実感しています。Rの場合、何ギガバイトもの膨大なデータ量を処理することにはあまり適していません。むしろ、重要なのは、Rの特性を見極め、どのような機械学習の局面でどのように活用するか、にあると言えます。それが本書のコンセプトであり、代表的な機械学習の理論を押さえながら、Rによる実践について解説します。2年間のセミナーのなかで、受講者の皆様から、わかりにくいポイント、現場で利用するためのポイントなど、様々なフィードバックやリクエストをいただき、本書に反映しました。したがって本書は、実際の現場で利用されるデータサイエンティスト、これからRで機械学習の実施を検討される技術者の方などにお勧めできます。
  • 目次

    表紙
    商標と正誤について
    はじめに
    本書について
    第1章 Rと機械学習の基礎
    1-1 機械学習とは何か?
    1-1-1 機械学習の4つのモデル
    1-1-2 機械学習活用 虎の巻
    1-1-3 モデルの組み合わせによるデータ分析
    1-2 Rとは何か?/1-2-1 機械学習を実現するソフトウェア・プラットフォーム
    1-2-2 RとPythonの違い
    1-2-3 Rの限界
    1-3 Rのインストールと利用前の設定/1-3-1 Rのダウンロード
    1-3-2 Rのインストール
    1-3-3 Rの起動
    1-4 Rの基本的な利用方法/1-4-1 Rのコンソール
    1-4-2 変数の利用
    1-4-3 グラフの描画
    1-4-4 ファイルの読み込み
    1-4-5 変数の概要を把握する
    1-5 Rを使った統計量とデータの把握/1-5-1 平均・分散・標準偏差
    1-5-2 Rスクリプトの利用
    1-5-3 ヒストグラムを作成する
    1-5-4 正規分布の考え方
    1-5-5 t分布
    1-5-6 指数の表示
    1-5-7 Rの変数の型
    1-5-8 クロス集計
    1-6 第1章のまとめ:マスターすべきポイント
    1-6-1 [機械学習]次へのステップ
    コラム 統計本を読む3つのコツ
    第2章 回帰分析で目的変数の値や発生確率を予測
    2-1 単回帰分析/2-1-1 回帰分析の4つのステップ
    2-1-2 ステップ1:データの準備ならびに目的変数、説明変数の決定
    2-1-3 ステップ2:回帰モデルの生成ならびに結果の検討
    2-1-4 ステップ3:モデルをもとに値を予測する
    2-1-5 ステップ4:信頼区間と予測区間を求める
    2-2 重回帰分析
    2-2-1 相関行列をCSVに書き出す
    2-2-2 重回帰分析のモデル作成
    2-2-3 説明変数を減らすアプローチ
    2-3 ロジスティック回帰分析
    2-3-1 ロジスティック回帰モデルの作成
    2-3-2 ロジスティック回帰の結果の見方
    2-3-3 オッズ比の推定
    2-3-4 機械学習としてのロジスティック回帰
    2-3-5 誤検知率の算出
    2-3-6 AICによる説明変数の削除
    2-4 ポアソン回帰/2-4-1 ポアソン分布を求める
    2-4-2 ポアソン回帰とは?
    2-4-3 ポアソン回帰モデルの生成
    2-4-4 AICによる目的変数の削減
    2-5 第2章のまとめ:マスターすべきポイント
    2-5-1 [回帰分析]次へのステップ
    コラム 回帰分析の実際のビジネスへの応用
    第3章 クラスタリング分析の3つの手法でデータを分類
    3-1 クラスタリングの3つの手法
    3-2 階層化クラスタリング/3-2-1 ユークリッド距離で似た者同士をまとめる
    3-2-2 ユークリッド距離をもとにグループに分割
    3-2-3 クラスタリングの併合過程
    3-2-4 樹系図をプロットする
    3-2-5 クラスターの距離の計算
    3-2-6 各クラスターの形成過程
    3-2-7 完全連結法によるクラスタリング形成過程
    3-2-8 各計算手法による樹系図
    3-2-9 階層化クラスタリングのまとめ
    3-3 非階層化クラスタリングとk平均法/3-3-1 k平均法によるクラスター形成
    3-3-2 kmeansによるクラスタリング
    3-3-3 k平均法での結果のプロット
    3-3-4 ギャップ統計量で妥当なクラスター数を予測する
    3-3-5 機械学習としてのk平均法
    3-3-6 k平均法の実行とプロット
    3-3-7 シルエット分析
    3-3-8 k平均法のまとめ
    3-4 モデルベースクラスタリング/3-4-1 EMアルゴリズムについて
    3-4-2 モデルベースクラスタリングのまとめ
    3-5 第3章のまとめ:マスターすべきポイント
    3-5-1 [クラスタリング分析]次へのステップ
    コラム クラスタリングの応用
    第4章 主成分分析・因子分析で属性を削減し因子を特定
    4-1 主成分分析とは?/4-1-1 主成分分析のステップ
    4-1-2 機械学習としての主成分分析
    4-1-3 主成分分析のまとめ
    4-2 因子分析/4-2-1 固有値と固有ベクトルを求める
    4-2-2 factanalによる因子分析
    4-2-3 回転による因子負荷量の違い
    4-2-4 因子分析のまとめ
    4-3 第4章のまとめ:マスターすべきポイント/4-3-1 [主成分分析]次へのステップ
    コラム 主成分分析とフランス印象派
    第5章 アソシエーション分析で関連性がある物事を見極める
    5-1 アソシエーション分析に使われるアソシエーション・ルールとは
    5-1-1 アソシエーション・ルールの考え方
    5-2 arulesによるアソシエーション分析
    5-2-1 支持度、確信度、リフト値
    5-2-2 アソシエーション・ルールの抽出
    5-2-3 アソシエーション・ルールの可視化
    5-2-4 アソシエーション・ルールのクラスタリング分析
    5-3 第5章のまとめ:マスターすべきポイント
    コラム アソシエーション分析の応用
    第6章 サポートベクターマシンでクラス分類
    6-1 線引きによるクラス分類/6-1-1 サポートベクターマシンの仕組み
    6-1-2 Rによるサポートベクターマシン
    6-2 カーネル法/6-2-1 線形分離の限界
    6-2-2 カーネル関数
    6-2-3 ハードマージンとソフトマージン
    6-3 サポートベクターマシンによる機械学習/6-3-1 サポートベクターマシンによるクラス分類の流れ
    6-3-2 サポートベクターマシンによる多クラス識別
    6-4 第6章のまとめ:マスターすべきポイント
    6-4-1 [サポートベクターマシン]次へのステップ
    コラム 1クラスサポートベクターマシン
    第7章 アンサンブル学習と正則化―モデルの組み合わせと過学習の解決
    7-1 過学習とは?/7-1-1 ノーフリーランチ定理
    7-1-2 バイアス・バリアンス理論
    7-1-3 過学習を抑える3つの方法
    7-2 正則化/7-2-1 L1正則化とL2正則化
    7-2-2 L1正則化
    7-2-3 RによるL1正則化、L2正則化
    7-2-4 glmnetによるL1正則化

Rではじめる機械学習 データサイズを抑えて軽量な環境で攻略法を探る(インプレス) の商品スペック

紙の本のISBN-13
9784295002055
ファイルサイズ
39.3MB
著者名
長橋 賢吾

    インプレス Rではじめる機械学習 データサイズを抑えて軽量な環境で攻略法を探る(インプレス) [電子書籍] 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!