R による 統計的学習入門

ビッグデータに活用できる統計的学習を, 専門外にもわかりやすく R で実践。〔内容〕導入 / 統計的学習 / 線形回帰 / 分類 / リサンプリング法 / 線形モデル選択と正則化 / 線形を超えて / 木に基づく方法 / サポートベクターマシン / 教師なし学習
1. 導入
2. 統計的学習
3. 線形回帰
4. 分類
5. リサンプリング法
6. 線形モデル選択と正則化
7. 線形を超えて
8. 木に基づく方法
9. サポートベクターマシン
10. 教師なし学習

『R による統計的学習入門』は、データから予測や分類のモデルを作る統計的学習の考え方と代表的な手法を、統計解析ソフトの R を動かしながら学ぶ入門書です。原著は G. James、D. Witten、T. Hastie、R. Tibshirani による An Introduction to Statistical Learning: with Applications in R で、日本語版は落海 浩、首藤 信通の翻訳により朝倉書店から 2018 年 7 月に刊行されました。版元は、数学的な厳密さよりもわかりやすさと使えることを重視し、文系を含む学部学生でも読みこなせる本であると紹介しており、原著は南カリフォルニア大学ビジネススクールの講義のテキストでもあります。

全 10 章、線形回帰から教師なし学習まで

目次は、導入、統計的学習、線形回帰、分類、リサンプリング法、線形モデル選択と正則化、線形を超えて、木に基づく方法、サポートベクターマシン、教師なし学習の 10 章です。最初の 2 章で、データから入力と出力の関係を推定するとはどういうことか、予測の精度とモデルの解釈しやすさがどう引き換えになるかといった枠組みを押さえ、3 章以降で手法を一つずつ扱います。版元は R を使って練習問題を解きながら学ぶ構成であることを特徴に挙げており、原著の公式サイトも、各章の末尾に R の実習が置かれていると説明しています。本文は 4 色刷りです。

統計的学習という見方と、手法を選ぶための物差し

機械学習を学び始めた人が迷いやすいのは、手法の名前は次々に出てくるのに、どれをいつ使えばよいのかを判断する物差しが身に付きにくいからです。統計的学習の立場では、どの手法も「手元のデータにどれだけ当てはまるか」ではなく「まだ見ていないデータをどれだけ当てられるか」で評価されます。複雑なモデルほど手元のデータにはよく合いますが、偶然のばらつきまで覚え込んでしまい、新しいデータでは外れやすくなります。この釣り合いをどう取るかが、目次に並ぶ話題をつなぐ軸です。一般にリサンプリング法と呼ばれる交差検証やブートストラップは、手元のデータを分けたり引き直したりして未知のデータでの性能を見積もる方法で、正則化はモデルの複雑さに歯止めをかける方法です。線形モデルを出発点に、非線形な関係、木を使った方法、サポートベクターマシンへと表現力を広げていく流れは、単純な手法で足りるのか、複雑な手法が本当に必要なのかを比べながら選ぶ姿勢を身に付けるのに向いています。

原著の版と、R や数学の前提

版元が挙げる対象は、統計、情報、計算機科学、データサイエンス、経済、経営、金融などを専攻する学部学生、ビジネススクールの学生、若手研究者、実務者です。数式の証明を追う本ではありませんが、行列やベクトルの記法、確率や分散といった統計の基本的な言葉は出てくるので、大学初年級の線形代数と統計の入口に触れていると読みやすくなります。R 言語 については、実習のコードを打ち込みながら覚えていく使い方もできますが、R の文法そのものを一から教える本ではありません。また原著の公式サイトによると、原著の R 版は第 1 版が 2013 年、第 2 版が 2021 年に刊行され、2023 年には Python 版も出ています。日本語版はその刊行年から見て第 1 版にもとづく翻訳で、第 2 版で加わった 深層学習、生存時間分析、多重検定の章は含まれていません。実習で使う R のパッケージも刊行時点のものを前提にしているため、手元の環境で動かすときは版の違いに注意が要ります。

予測モデルを作る仕事に就いたものの、ライブラリの関数を呼ぶだけで、なぜその手法を選んだのかを説明できないと感じている人にとって、本書は手法の選び方の筋道を日本語で通して学べる一冊です。深層学習の実装を急いで身に付けたい人や、Python だけで学びたい人は 機械学習の本の選び方 を手がかりに別の本を選ぶほうが合いますが、回帰と分類の基礎から木やサポートベクターマシン、教師なし学習までを一つの物差しで見渡したい人なら、手を動かしながら読み進める価値は十分にあります。