出版社内容情報
Pythonを使った機械学習を行う上で役に立つ216のレシピを収録!
Pythonによる機械学習を行う上で、頻繁に遭遇すると思われる216の問題とその解決策を紹介します。データ構造、数値データ、カテゴリデータ、テキスト、画像、日時データの取り扱いといった基本から、特徴量抽出、次元削減、モデルの評価と選択、線形回帰、決定木、ランダムフォレスト、k-最近傍法、SVM、ナイーブベイズ、クラスタリング、ニューラルネットワークまで幅広い内容をカバー。この改訂版では、最新のフレームワークに対応するとともに、ニューラルネットワーク関連の項目をPyTorchベースで大幅に増量。「やりたいこと」「困っていること」に答えてくれる一冊です。
内容説明
Pythonによる機械学習を行う上で、頻繁に遭遇すると思われる216の問題とその解決策を紹介します。データ構造、数値データ、カテゴリデータ、テキスト、画像、日時データの取り扱いといった基本から、特徴量抽出、次元削減、モデルの評価と選択、線形回帰、決定木、ランダムフォレスト、k‐最近傍法、SVM、ナイーブベイズ、クラスタリング、ニューラルネットワークまで幅広い内容をカバー。この改訂版では、最新のフレームワークに対応するとともに、ニューラルネットワーク関連の項目をPyTorchベースで大幅に増量。「やりたいこと」「困っていること」に答えてくれる一冊です。
目次
NumPyベクトル、行列、配列
データのロード
データラングリング
数値データの取り扱い
カテゴリデータの取り扱い
テキストの取り扱い
日時データの取り扱い
画像の取り扱い
特徴量抽出による次元削減
特徴量選択による次元削減
モデルの評価
モデル選択
線形回帰
決定木とフォレスト
k‐最近傍法
ロジスティック回帰
サポートベクタマシン
ナイーブベイズ
クラスタリング
PyTorchのテンソルニュートラルネットワーク
非構造化データ向けのニュートラルネットワーク
訓練済みモデルのセーブとロード