内容説明
※この商品は固定レイアウトで作成されており、タブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。
シリーズ累計90万部突破！ 機械学習入門の決定版！
講義経験から導き出した繰り返し丁寧に積み上げる解説で、
初学者でも必ずMLのスキルが身に付く！
本書が、現場で使える機械学習（ML）のスキルを効率的に理解・習得できる3つのコンセプトはこちら。
【1】ゼロから学びたい人に適した構成
豊富な講義経験から導き出した学習メソッドを適用し、読者が一歩ずつ確実に理解を深めていけるよう、さまざまなデータを利用して、楽しみながら反復練習を行う構成となっています。
本書を読了すると、表データなら「基本的な機械学習によるデータ分析」を「自分1人の力」で行える力が身に付きます。
【2】自然と身に付くライブラリの使い方
ひたすら数式を並べたり、Pythonライブラリのさまざまな使い方を単純に一覧で紹介するといった解説は行っていません。
データ分析のストーリーの中で、必要なタイミングで必要な分析手法を都度紹介していきます。復習用に、学習項目の一覧やライブラリの構文一覧も別途用意しています。
【3】「ひとり」でも学べるサポート情報が豊富
独学時に無いと困るのは、エラーに直面した際のトラブルシューティングです。
本書では、初心者が陥りがちなミスとその解決策を「エラー解決・虎の巻」として巻末にまとめているので安心です。
第2版では、最新のpandasに対応したほか、新付録として「Polars入門」を追加しました。
また、令和の学習体験により適した、シンプルでスッキリとした紙面デザインへ全面的にリニューアルし、読みやすさ、使い勝手の向上を図っています。
目次
表紙
注意書き
まえがき
本書の見方
chapter 0 Python基本文法の復習
0.1 ようこそ機械学習の世界へ
0.2 Python基本文法の習熟度を確認する練習問題
0.3 確認用練習問題の解答
●第I部 ようこそ機械学習の世界へ
chapter 1 AIと機械学習
1.1 人工知能（AI）とは
1.2 機械学習とは
1.3 第1章のまとめ
1.4 練習問題
chapter 2 機械学習に必要な基礎統計学
2.1 データの種類
2.2 基本統計量
2.3 統計学でよく使われるグラフ
2.4 第2章のまとめ
2.5 練習問題
chapter 3 機械学習によるデータ分析の流れ
3.1 目的の明確化
3.2 データの収集と前処理
3.3 モデルの選択と学習
3.4 モデルの評価
3.5 第3章のまとめ
3.6 練習問題
chapter 4 機械学習の体験
4.1 きのこ派とたけのこ派に分類する
4.2 pandas超入門
4.3 データの前処理
4.4 モデルの準備と機械学習の実行
4.5 モデルの評価
4.6 モデルの保存
4.7 第4章のまとめ
4.8 練習問題
●第II部 教師あり学習の理解を深めよう
第II部で新たに学ぶトピック一覧
chapter 5 分類1：アヤメの判別
5.1 アヤメの花を分類する
5.2 データの前処理
5.3 モデルの作成と学習
5.4 モデルの評価
5.5 決定木の図の作成
5.6 第5章のまとめ
5.7 練習問題
chapter 6 回帰1：映画の興行収入の予測
6.1 映画の興行収入を予測する
6.2 データの前処理
6.3 モデルの作成と学習
6.4 モデルの評価
6.5 回帰式による影響度の分析
6.6 第6章のまとめ
6.7 練習問題
chapter 7 分類2：客船沈没事故での生存予測
7.1 客船沈没事故から生き残れるかを予測
7.2 データの前処理
7.3 モデルの作成と学習
7.4 モデルの評価
7.5 決定木における特徴量の考察
7.6 第7章のまとめ
7.7 練習問題
chapter 8 回帰2：住宅の平均価格の予測
8.1 住宅平均価格を予測する
8.2 データの前処理
8.3 モデルの作成と学習
8.4 モデルの評価とチューニング
8.5 第8章のまとめ
8.6 練習問題
chapter 9 教師あり学習の総合演習
9.1 第II部で学習した内容のまとめ
9.2 練習問題：金融機関のキャンペーン分析
●第III部 中級者への最初の1歩を踏み出そう
chapter 10 より実践的な前処理
10.1 さまざまなデータの読み込み
10.2 より高度な欠損値の処理
10.3 より高度な外れ値の処理
10.4 第10章のまとめ
10.5 練習問題
chapter 11 さまざまな教師あり学習：回帰
11.1 リッジ回帰
11.2 ラッソ回帰
11.3 回帰木
11.4 第11章のまとめ
11.5 練習問題
chapter 12 さまざまな教師あり学習：分類
12.1 ロジスティック回帰
12.2 ランダムフォレスト
12.3 アダブースト
12.4 第12章のまとめ
12.5 練習問題
chapter 13 さまざまな予測性能評価
13.1 回帰の予測性能評価
13.2 分類の予測性能評価
13.3 K分割交差検証
13.4 第13章のまとめ
13.5 練習問題
chapter 14 教師なし学習1：次元の削減
14.1 次元削減の概要
14.2 データの前処理
14.3 主成分分析の実施
14.4 結果の評価
14.5 第14章のまとめ
14.6 練習問題
chapter 15 教師なし学習2：クラスタリング
15.1 クラスタリングの概要
15.2 データの前処理
15.3 クラスタリングの実行
15.4 結果の評価
15.5 第15章のまとめ
15.6 練習問題
chapter 16 まだまだ広がる機械学習の世界
16.1 さまざまな機械学習
付録 A sukkiri.jpについて
A.1 sukkiri.jpについて
付録 B エラー解決・虎の巻
B.1 エラーとの上手な付き合い方
B.2 トラブルシューティング
付録 C Pandas虎の巻
C.1 シリーズの基本操作
C.2 データフレームの基本操作
C.3 データフレームの応用操作
C.4 データの可視化
付録 D 速習 Polars入門
D.1 データフレームの作成と表示
D.2 列の抽出や加工
D.3 行の抽出
D.4 集計
D.5 練習問題1
D.6 欠損値の処理
D.7 データの並び替え
D.8 データフレームの結合
D.9 その他
D.10 練習問題2
D.11 練習問題3
付録 E 機械学習の数学（基礎編）
E.1 データとデータの距離（高校数学）
E.2 データの総和を表すΣ（高校数学）
E.3 微分（高校数学の基礎レベル）
E.4 線形代数（大学数学の基礎レベル）
E.5 偏微分（大学数学の基礎レベル）
付録 F 最小2乗法の数学理論に挑戦
F.1 重回帰分析の係数の導出（最小2乗法）
付録G 練習問題の解答
索引
奥付
