フリーソフトではじめる機械学習入門 (第 2 版)

「理論」「実践」の両面から学べる、機械学習入門書の決定版!

◆機械学習の理論をわかりやすく解説
数式をしっかり扱いつつも、平易なことばで直感的な理解ができるよう工夫されています。
また、分析したいデータの種類によってアルゴリズムを分類・整理して解説することで、現実で問題に直面した際に適用できるアルゴリズムが何なのかが理解でき、必要な部分から学んでいけるよう構成されています。

◆幅広い手法を網羅
「機械学習とは何か」という初歩の初歩から、識別・モデル推定といった基本的な考えかた、ニューラルネットワーク・サポートベクトルマシンといった応用手法、そして深層学習・強化学習といった発展的なトピックまで、様々なアルゴリズムがとりあげられています。

◆Python/Weka でアルゴリズムを実装
アルゴリズムの解説だけでなく、Python/Weka による実装例も多数掲載されています。理論を学んだあとに、解析例をもとにデータの読み込みから結果の可視化まで 1 ステップずつ実装していくことで、表面的な理解にとどまらない、「現場で役立つ」知識が身につきます。

第 2 版では、Python による実装例が多数追加されたほか、勾配ブースティング・リカレントニューラルネットワーク・深層強化学習などの近年話題のトピック追加をはじめとして、全面的に最新の解説にアップデートされています。
第 1 章 はじめに
第 2 章 機械学習の基本的な手順
第 3 章 識別 -概念学習ー
第 4 章 識別 -統計的手法ー
第 5 章 識別 -生成モデルと識別モデルー
第 6 章 回帰
第 7 章 サポートベクトルマシン
第 8 章 ニューラルネットワーク
第 9 章 深層学習
第 10 章 アンサンブル学習
第 11 章 モデル推定
第 12 章 パターンマイニング
第 13 章 系列データの識別
第 14 章 半教師あり学習
第 15 章 強化学習

付録 A 演習問題解答
付録 B Weka
付録 C Python

機械学習の主な手法を、数式による理論の解説と、Python と Weka による実装の両面から学ぶ入門書が『フリーソフトではじめる機械学習入門 (第 2 版)』です。副題は「Python/Weka で実践する理論とアルゴリズム」で、著者は荒木 雅弘、森北出版から 2018 年 4 月に発売されました。版元の紹介によると、数式をしっかり扱いつつも平易なことばで直感的に理解できるよう工夫され、分析したいデータの種類によってアルゴリズムを分類 / 整理して解説する構成です。刊行時の著者紹介では、京都工芸繊維大学の准教授とされています。

全 15 章と付録 3 本、概念学習から強化学習まで

第 1 章「はじめに」と第 2 章「機械学習の基本的な手順」のあと、識別を 3 つの章に分けて扱います。第 3 章「識別 ―概念学習―」、第 4 章「識別 ―統計的手法―」、第 5 章「識別 ―生成モデルと識別モデル―」です。続いて第 6 章「回帰」、第 7 章「サポートベクトルマシン」、第 8 章「ニューラルネットワーク」、第 9 章「深層学習」、第 10 章「アンサンブル学習」、第 11 章「モデル推定」、第 12 章「パターンマイニング」、第 13 章「系列データの識別」、第 14 章「半教師あり学習」と進み、第 15 章「強化学習」で本文を閉じます。付録は A が演習問題解答、B が Weka、C が Python です。版元は第 2 版での変化として、Python による実装例の多数の追加と、勾配ブースティング、リカレントニューラルネットワーク、深層強化学習などのトピックの追加を挙げています。

データの種類から手法を選ぶ考え方と、Weka と Python の役割

機械学習 の手法は数が多く、どれを使うかの手がかりになるのはデータの性質です。正解のラベルがすべてのデータに付いているのか、一部にしか付いていないのか、まったく付いていないのか、あるいは正解の代わりに行動の結果として報酬だけが得られる 強化学習 の状況なのかによって、使える手法の系統が分かれます。

Weka は無償で使えるオープンソースの機械学習ソフトウェアで、画面の操作でデータの読み込みから学習、評価までを試せるため、手法ごとの挙動を手早く比べる段階に向いています。Python はコードとして処理の手順を書き残せるので、前処理から可視化までを再現できる形で組み立てる段階に向いています。版元の紹介では、理論を学んだあとに解析例をもとに、データの読み込みから結果の可視化まで 1 ステップずつ実装していく形がとられています。

数式を追うための前提と、2018 年刊という時点

版元が数式をしっかり扱うと説明しているとおり、本書は理論の説明を省いた操作手順の本ではありません。また本書は 2018 年 4 月の刊行で、深層学習や深層強化学習の扱いもその時点の内容です。大規模言語モデルのように刊行後に大きく広がった話題は目次にありません。実装例を動かす際は、使うライブラリの版と本書の前提との差を確かめながら進めてください。

手法の名前を並べて覚えるのではなく、データの性質から手法を選ぶ筋道と、その手法がなぜ動くのかを、数式と実装の両方で確かめたい学生や開発者にとって、本書は理論と手を動かす作業を一冊の中で往復できる教科書です。ほかの入門書と比べてから選びたい場合は、機械学習の技術書の選び方 も参考になります。