内容説明
機械学習の精度を高める「アンサンブル学習」をPython3でゼロから実装する!「アンサンブル学習」の仕組みや原理を学ぶことができる1冊!
目次
01 アンサンブル学習の基礎知識
02 機械学習プログラミングの準備
03 線形回帰と確率的勾配降下法
04 決定木アルゴリズム
05 プルーニング
06 バギング
07 AdaBoost
08 改良AdaBoost
09 勾配ブースティング
10 その他のアンサンブル手法
感想・レビュー
※以下の感想・レビューは、株式会社ブックウォーカーの提供する「読書メーター」によるものです。
ぶう
9
アンサンブルとは複数の機械学習モデルの予測をブレンドして結果を求める手法であり、予測精度の向上には欠かせない重要な技術である。実際にkaggleなどのコンペで、あともう一押し精度アップが欲しい時には必ずと言っていいほど使われる手法である。分類では複数モデルの多数決、回帰では平均値を取るということであり、まさに「三人寄れば文殊の知恵」を機械学習に当てはめたものと言えよう。本書はアンサンブル手法をpythonを用いスクラッチで実装をすることで、理解を深める事が狙いの本。サンプルのコードも多く掲載されている。2022/10/28
zukky65
2
決定木をベースとしたアンサンブル学習(bagging, adaboost, gradientboostなど)について基本的な説明+コードが書かれた本。細かいアルゴリズムの説明はないが、コードで重要なポイントについてはちゃんと説明があるのでわかりやすい。 ただ、コードを本に書くときの制約なのか、この本のPythonはあまり見ないコーディングスタイルになっていて、これでPythonを覚えるとあとあと大変なことになると思うので、Python初心者にはお勧めしない。2019/11/03
山澤 穫
0
枝を切らなきゃ!剪定だ!!!2023/09/30