Python によるデータマイニングと機械学習

本当に Python によってデータマイニングと機械学習を行いたい人のための入門書
本書は、本当に Python によってデータマイニングと機械学習を行いたい人のための入門書です。
初学者がわかりやすいよう、途中でつまづいてしまうことがないよう、一部省略なしで、初歩からていねいに解説してあります。
本書を読み切れば、誰でも Python にデータマイニングと機械学習の主な手法が実装できます。

データマイニングと機械学習を「読んで分かる」で終わらせず、自分の手で Python のコードとして動かしたい人のための入門書です。『Python によるデータマイニングと機械学習』 (藤野巖 著、オーム社、2019 年 8 月刊) を版元は、本当に Python でデータマイニングと機械学習を行いたい人のための入門書と位置づけており、回帰 / クラスタリング / 分類の基礎手法から株価やテキスト、画像といった実データへの適用まで、途中でつまずかないよう省略を避けて初歩から解説します。想定読者として版元が挙げるのは、情報学科の大学学部生と情報分野の若手技術者です。

準備編 / 基礎編 / 実践編の 3 編 14 章構成

構成は準備編 / 基礎編 / 実践編の 3 編 14 章です。準備編 (第 1〜3 章) はデータマイニングと機械学習の位置づけと開発環境の構築に続き、Python の文法を基本編と応用編の 2 章で速習し、NumPy / SciPy / matplotlib / scikit-learn / pandas の各ライブラリの使い方まで押さえます。基礎編 (第 4〜8 章) は線形回帰とリッジ回帰、階層型クラスタリング、k-平均法による非階層型クラスタリング、単純ベイズ法とサポートベクトルマシン法による分類を、それぞれ考え方、scikit-learn や SciPy による実現、プログラム例の順で扱います。実践編 (第 9〜14 章) は時系列数値データの予測と日経平均株価の予測、MeCab と TF-IDF によるテキストデータマイニングと Wikipedia 記事の類似度、OpenCV を使った画像の特徴量抽出と画像の類似判別 / クラスタリングへ進みます。サンプルプログラムは版元サイトで配布され、著者のサポートページも公開されています。

古典的な手法を実装まで通すことで得られる土台

機械学習の入門でつまずきやすいのは、アルゴリズムの説明とライブラリの呼び出し方が別々に頭に入り、目の前のデータをどう前処理し、どの手法を選び、結果をどう評価するかがつながらない点です。本書は各手法について、モデルの考え方と評価指標を先に置き、scikit-learn での実現方法、そして完結したプログラム例という順序を繰り返すため、教師あり学習 の回帰 / 分類と教師なし学習のクラスタリングを同じ型で身につけられます。深層学習の隆盛後も、線形回帰やサポートベクトルマシン、k-平均法は少量データや説明性が求められる場面での第一選択であり、カーネル法、訓練データとテストデータの分離、評価指標の読み方といった考え方は、後にどの手法へ進んでも土台になります。実践編で株価、文書、画像という性質の異なるデータを扱うのも読みどころで、数値をそのまま特徴量にできる時系列から、形態素解析 と TF-IDF で文書をベクトル化する処理、OpenCV で画像から特徴点を抽出する処理へと、生データを手法が受け取れる形に変える工程の違いを比較できます。

情報系の学部生 / 若手技術者向けの前提知識と 2019 年刊の注意点

前提知識としては、何らかの言語でプログラミングの経験が少しあることと、手法の考え方を追うために行列や確率の初歩を含む大学初年級程度の数学に抵抗がないことが目安です。Python 自体は準備編で速習できる構成なので、Python の経験がなくても読み始められますが、文法をゼロから丁寧に学びたい人は先に Python の入門書 を 1 冊挟むと、基礎編以降に集中できます。刊行は 2019 年 8 月で、目次に深層学習やニューラルネットワークの章はありません。刊行から時間が経っているため、サンプルコードを動かす際はライブラリのバージョン差による読み替えが必要になる場面があり得ます。深層学習のフレームワークをすぐ使いたい人や、統計的な理論の厳密な導出を求める人には、本書は主目的が異なります。

授業や研修でアルゴリズムの名前は聞いたものの、自分のデータで動かした経験がない情報系の学生や若手技術者にとって、準備から実践まで一冊で通せる構成は投じた時間の元が取りやすいものです。株価 / 文書 / 画像のうち身近な題材を一つ選び、実践編の章をそのまま再現してから自分のデータへ差し替える使い方が、版元が到達点として掲げる主な手法の実装方法の習得への近道になります。