目次
第１章 機械学習入門
第２章 データの管理と把握
第３章 遅延学習―最近傍法を使った分類
第４章 確率的学習―単純ベイズを使った分類
第５章 分割統治―決定木と分類ルールを使った分類
第６章 数値データの予測―回帰法
第７章 ブラックボックス的な手法―ニューラルネットワークとサポートベクトルマシン
第８章 パターンの検出―相関ルールを使った買い物かご分析
第９章 データのグループの検出―ｋ平均によるクラスタリング
第１０章 モデルの性能の評価
第１１章 モデルの性能の改善
第１２章 機械学習の専門的なテーマ
著者等紹介
ランツ，ブレット［ランツ，ブレット］ ［Ｌａｎｔｚ，Ｂｒｅｔｔ］
社会学者。携帯電話の利用状況、医療請求データ、慈善活動の状況などについての学際的研究を進めてきた（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）
※書籍に掲載されている著者及び編者、訳者、監修者、イラストレーターなどの紹介情報です。
出版社内容情報
AIの基礎技術といえる機械学習をR言語を使って確実に自身のものにできる学習書の決定版。はじめての人も再挑戦の人も！
AI（人工知能）の基礎技術となる機械学習は、ここ数年で飛躍的に進化を遂げました。
その要因として、コンピュータの性能の向上とネットワーク網の発達、そして取得データの
増加が挙げられます。
本書はそれら膨大なデータから、統計学の成果をもとに、有意な事象を正確に抽出する
分析・解析手法をR言語で実する方法をまとめたものです。
とはいえ、「統計学の成果」を「R言語を使って」となると、いきなり敷居が
高くなってしまいがちです。統計学の成果である数式を解読し、その数式から導かれる
アルゴリズムを理解し、アルゴリズムをR言語で実装するとなると、（各種パッケージを
使用するとはいえ）一朝一夕では学習しきれません。
そこで、本書では直感でわかる基礎的な統計手法をとっかかりにしてそのデメリットを、
補正するために、次の統計手法を紹介し、その手法に合わせたR言語のパッケージと
使い方を、実際のデータを操作しながら説明するというスタイルを取っています。
おかげで、数式はほとんど出てきませんし、アルゴリズムの森のなかで迷子になることも
ありません。初学者はもちろん、数式とアルゴリズムとR言語の3本の矢に射抜かれて
倒れた方にとっての復活の呪文ともなるでしょう。
第1章 機械学習入門
第2章 データの管理と把握
第3章 遅延学習 ─ 最近傍法を使った分類
第4章 確率的学習 ─ 素朴ベイズを使った分類
第5章 分割統治 ─ 決定木と分類ルールを使った分類
第6章 数値データの予測 ─ 回帰法
第7章 ブラックボックス的な手法 ─ ニューラルネットワークとサポートベクトルマシン
第8章 パターンの検出 ─ 相関ルールを使った買い物かご分析
第9章 データのグループの検出 ─ k平均によるクラスタリング
第10章 モデルの性能の評価
第11章 モデルの性能の改善
第12章 機械学習の専門的なテーマ
ブレット・ランツ［ブレット・ランツ］
長尾 高弘［ナガオ タカヒロ］
