機械学習のエッセンス

本書は具体的なデータ分析の手法を説明する意図で書かれたものではありません。 実用的な目的なら scikit-learn や Chainer などの既存のフレームワークを使うべきですが、本書では機械学習のいくつかの有名なアルゴリズムを、自分でゼロから実装することを目標としています。こうすることにより、とかくブラックボックスになりがちな機械学習の仕組みを理解し、さらなる応用力と問題解決力を身につけることができるようになります。 また、処理系にはデファクトスタンダードである Python を使い、機械学習に必要な数学の知識もわかりやすく解説しています。 これから機械学習を始める学生さんや、いきなりプロジェクトに放り込まれていまいち理解できないままデータ分析の仕事をしているエンジニアの方にも最適です。 ●目次 はじめに 第 01 章 学習を始める前に 01 本書の目的 02 本書は何を含まないか 03 機械学習の初歩 04 実行環境の準備 第 02 章 Python の基本 01 プログラムの実行方法 02 基本的な文法 03 数値と文字列 04 複数行処理 05 制御構造 06 リスト、辞書、集合 07 関数定義 08 オブジェクト指向 09 モジュール 10 ファイル操作 11 例外処理 第 03 章 機械学習に必要な数学 01 基本事項の確認 02 線形代数 03 微積分 第 04 章 Python による数値計算 01 数値計算の基本 02 NumPy の基本 03 配列の基本計算 04 疎行列 05 NumPy/SciPy による線形代数 06 乱数 07 データの可視化 08 数理最適化 09 統計 第 05 章 機械学習アルゴリズム 01 準備 02 回帰 03 リッジ回帰 04 汎化と過学習 05 ラッソ回帰 06 ロジスティック回帰 07 サポートベクタマシン 08 k-Means 法 09 主成分分析 (PCA) INDEX はじめに 第 01 章 学習を始める前に 01 本書の目的 02 本書は何を含まないか 03 機械学習の初歩 04 実行環境の準備 第 02 章 Python の基本 01 プログラムの実行方法 02 基本的な文法 03 数値と文字列 04 複数行処理 05 制御構造 06 リスト、辞書、集合 07 関数定義 08 オブジェクト指向 09 モジュール 10 ファイル操作 11 例外処理 第 03 章 機械学習に必要な数学 01 基本事項の確認 02 線形代数 03 微積分 第 04 章 Python による数値計算 01 数値計算の基本 02 NumPy の基本 03 配列の基本計算 04 疎行列 05 NumPy/SciPy による線形代数 06 乱数 07 データの可視化 08 数理最適化 09 統計 第 05 章 機械学習アルゴリズム 01 準備 02 回帰 03 リッジ回帰 04 汎化と過学習 05 ラッソ回帰 06 ロジスティック回帰 07 サポートベクタマシン 08 k-Means 法 09 主成分分析 (PCA) INDEX