直感でわかる! Excel で機械学習

本書では、難しい数式をできるだけ避け、Excel を通じて機械学習アルゴリズムの動きを理解できるようにしました。第 1 部では、機械学習の基礎や全体像、ビジネスへの活用を説明します。第 2 部では、それぞれの機械学習アルゴリズムについて解説します。Excel への展開も紹介しながら、線形回帰、ロジスティック回帰、クラスタリングなどの仕組みを具体的に理解できるようにしていきます。アルゴリズムのメリット / デメリット、向き / 不向きがわかれば、ビジネスへの応用も見えてくるでしょう。機械学習を理解していく最初の一歩として本書をご活用ください。

『直感でわかる! Excel で機械学習』は、機械学習のアルゴリズムが内部で何を計算しているのかを、難しい数式をできるだけ避けながら Excel を通じて理解するための入門書です。著者は堅田 洋資と福澤 彰吾で、インプレスから 2019 年 12 月に刊行されました。書誌に記された副題は「サンプルは、Excel 版と Python 版を解説」で、Excel 版に加えて Python 版のサンプルも解説される構成です。数式の並ぶ専門書を開く前に、アルゴリズムの動きを手元で確かめておきたい人に向いています。

基礎とビジネス活用から、線形回帰やクラスタリングへ進む 2 部構成

書誌の紹介文によると、本書は 2 部で構成されています。第 1 部では機械学習の基礎や全体像、ビジネスへの活用を説明し、第 2 部ではアルゴリズムを一つずつ取り上げて、Excel への展開を紹介しながら線形回帰、ロジスティック回帰、クラスタリングなどの仕組みを解説します。各アルゴリズムのメリットとデメリット、向き不向きを示すことで、ビジネスへの応用の見通しを持てるようにしたと説明されています。手法の名前を覚えることより、どの手法をどんな場面に当てはめるかを判断できるようになることに重心を置いた本と読めます。

Excel のセルで計算を追うと、何が腑に落ちるのか

機械学習 の入門でつまずきやすいのは、ライブラリの関数を呼べば結果は出るものの、その裏でどんな計算が行われているのかが見えない点です。たとえば線形回帰は、予測値と実際の値のずれの大きさを表す指標を小さくするように係数を決める手法で、ロジスティック回帰は、入力をもとに 0 から 1 の間の確率を出して 2 つのグループに振り分ける手法です。クラスタリングは、正解のラベルが無いデータを似たもの同士のまとまりに分ける考え方です。こうした計算は、データを表の形で並べ、途中の値を列ごとに置いていけば一段ずつ目で追えるため、表計算ソフトは仕組みを確かめる道具として相性が良いと言えます。数値を少し変えたときに結果がどう動くのかをその場で見られる点も、仕組みの理解を助けます。

Excel 版と Python 版のサンプル、どこまでを期待するか

Excel で数式や関数を入力する操作に慣れていれば、計算の流れは追いやすくなります。副題のとおり Python 版のサンプルも用意されているため、Excel で理解した内容をコードで確かめ直す入口にもなります。一方で、数式を使った理論の厳密な導出や、大規模なデータを扱う実務の開発の進め方まで学びたい人には、本書だけでは足りません。機械学習の本を段階ごとに選び直したい場合は 機械学習とディープラーニングの本の選び方 を、数学の学び直しの範囲を決めたい場合は 機械学習に必要な数学の本の選び方 を合わせて見ておくと、次の一冊を選びやすくなります。

データ分析の結果を業務で使う立場にありながら、モデルの中身が分からないことに不安を感じている人や、Python の学習に入る前に考え方だけを先につかんでおきたい人にとって、本書は投じた時間の回収が早い一冊です。使い慣れた Excel の上でアルゴリズムの動きを一度確かめておけば、専門書の数式や、ライブラリの出力の意味を読み解く足場ができます。