内容説明
決定木・アンサンブル学習の理論と実践の基礎・基本が，この一冊で学べる！
本書は、データ分析で広く応用されている機械学習アルゴリズムである、決定木およびアンサンブル学習について、その数理と応用を解説するものです。
データの分類ルールを木構造で表現するモデルである決定木は、分類の条件が明確に示されることから、人工知能（AI）における解釈可能アプローチの一つとしても活用されています。また、複数の決定木の組合せ（アンサンブル学習）により、高精度な予測が可能となります。本書では、決定木およびアンサンブル学習の数理とアルゴリズムを基礎からていねいに解説するとともに、応用を念頭にPythonのサンプルコードを通して具体例も扱います。また、数学でつまずくことのないよう、理解に必要となる高校程度以上の数学は本書で解説しています。
目次
第1章 はじめに
第2章 数学の基礎
第3章 決定木の理論とアルゴリズム
第4章 アンサンブル学習の基礎
第5章 ランダムフォレスト
第6章 勾配ブースティング
第7章 XGBoost
第8章 LightGBM
付録 Pythonの基礎
