スモールデータ解析と機械学習

著者名：藤原幸一【著】

オーム社（2022/02発売）

• ISBN：9784274227783

内容説明

スモールなデータの解析手法・ノウハウが身につく！
Webデータや画像データに代表されるようなビッグデータが注目される一方で、機械の故障データのように発生自体がまれであったり、患者さんの検査データのように倫理的な問題からデータを集めることに制約があったり、あるいはデータの判読が専門家以外では困難で機械学習に利用しにくいデータは、どうしても忘れられがちです。ビッグデータの時代において、収集が難しいために私たちが忘れかけているデータのことをスモールデータとよびます。

スモールデータでは、測定されている変数の数に比べて学習に必要なサンプルが不足していたり、それぞれのクラスのサンプル数が極端に偏っていたりするため、深層学習のようなビッグデータの方法をそのまま適用するのは適当ではなく、異なるアプローチが必要になります。

本書は、スモールデータとはどのようなデータであるのかを具体的に紹介して、スモールデータ解析の基本となる次元削減と回帰分析を説明します。特に部分的最小二乗法（PLS）はスモールデータ解析の大きな武器となるでしょう。そして、機械学習においてモデルの性能向上のために必要な変数（特徴）選択を紹介し、特にクラスタリングに基づいた新しい変数選択手法を説明します。つづいて、不均衡なデータの解析手法と異常検知を紹介して、最後にスモールデータ解析についての筆者の経験に基づいたポイント・考え方を述べました。本書ではPythonプログラムとスモールデータ解析の例題を通じて、読者がスモールデータを有効に解析できるようになるよう工夫しています。

ビッグデータの世界は、もはやデータ量と資本力が支配するレッドオーシャンとなっています。しかし、スモールデータの世界は、まだまだ現場の創意工夫次第でデータから新たな価値を引き出すことのできるブルーオーシャンなのです。みなさんも、この未知の世界に飛び込んでみませんか？

目次

第1章 スモールデータとは
第2章 相関関係と主成分分析
第3章 回帰分析と最小二乗法
第4章 線形回帰モデルにおける入力変数選択
第5章 分類問題と不均衡データ問題
第6章 異常検知問題
第7章 データ収集や解析の心構え

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]

実業務をしていると機械学習をしたいのに十分なデータ量がないというのはよくあること。寧ろ十分な量のデータが揃っていることのほうが少ないのではないだろうか？本書はそういった場面で活用できるテクニックについて書かれた書籍。ビッグデータの取り扱いについて書かれた本は多いが、スモールデータを対象としている本はあまり聞かない。主成分分析や最小二乗法などのメジャーどころをはじめとして、部分的最小二乗法(PLS)といった優れた手法まで学ぶことができる。Pythonのサンプルコードが多く手を動かして学びやすいのもメリット。

2023/02/07

[オザマチ]

実務上出会うデータはN数が少ないことが多いので、結構役に立つことが書いてある。こういう本がもう少し増えてもいいと思う。

2022/10/10

[Taizo]

「とりあえず初手LightGBMでござる」とか「Deep Learningすればなんとでもなりますわガハハ」とかいってませんか？背景になる数学をちゃんと理解してますか？といったニュアンスの本。内容自体はオーソドックスで主成分分析、線形回帰、説明変数選択、不均衡データの取り扱い、異常検知といった感じ。とはいえ線形回帰のPLSなんかは知らなかったし、しかもコンセプトとして非常に洗練されてると感じたので、改めて統計の有用なコンセプトをざっと攫いたい人なんかにはおすすめかも。

2022/08/21

[ONE_shoT_]

部分的最小二乗法(PLS)の解説が載っていたので読んだ一冊。データが少ない状況での機械学習に主眼を置いているため、あまり馴染みがない手法が多く解説されていて興味深かった。公開されているコードは誤りが多かったものの、それを直しつつ動かしてみることで、結果勉強にはなった。

2022/12/17