scikit-learn データ分析実装ハンドブック(サイキットラーンデータブンセキジッソウハンドブック)

実データに合わせて最適な予測モデルを作ることのできる Python ライブラリの scikit-learn 解説書です。本書は他の実装本とは異なり、アルゴリズムの解説に敢えて数式を採用し、実装で指定するハイパーパラメータと数式の関係が分かるよう工夫しました。また、ハイパーパラメータの値を増減し、そのときの予測の変化も紙面が許す限り記載しました。本書は不動産価格の予測やワイン品種の分類で使用する典型的なデータセットだけでなく、より実践的なデータ分析が学べるよう、タイタニック、気温、 MovieLens のデータセットを採用しています。これらのデータセットを用いて、前処理から予測モデル作成までの分析例を実例で紹介します。
第 1 章 機械学習とは何か
1.1 機械学習とは何か
1.2 機械学習の種類

第 2 章 scikit-learn と開発環境
2.1 scikit-learn とは
2.2 scikit-learn のセットアップ
2.3 scikit-learn による機械学習の基本的な実装
2.4 アルゴリズムチートシート

第 3 章 回帰
3.1 回帰のアルゴリズム
3.2 線形回帰
3.3 線形回帰の正則化
3.4 線形回帰の確率的勾配降下法
3.5 線形サポートベクトル回帰
3.6 ガウスカーネルのサポートベクトル回帰
3.7 ランダムフォレスト回帰

第 4 章 分類
4.1 分類のアルゴリズム
4.2 ロジスティック回帰
4.3 線形サポートベクトル分類
4.4 ガウスカーネルのサポートベクトル分類
4.5 ランダムフォレスト

第 5 章 クラスタリング
5.1 クラスタリングのアルゴリズム
5.2 K-means
5.3 混合ガウス分布 (GMM) 、変分混合ガウス分布 (VBGMM)

第 6 章 次元削減
6.1 次元削減のアルゴリズム
6.2 主成分分析 (PCA)
6.3 カーネル PCA

第 7 章 モデルの評価
7.1 モデルの評価

第 8 章 Preprocessing 、実データ分析
8.1 はじめに
8.2 ロジスティック回帰を活用したタイタニックの予測モデルの作成
8.3 ランダムフォレストを活用した気温分析と消費の予測モデルの作成
8.4 Collaborative filtering を活用したレコメンデーションモデル
8.5 MovieLens を使ったモデル作り

第 9 章 scikit-learn API
9.1 regression (回帰)
9.2 classification (分類)
9.3 clustering (クラスタリング)
9.4 dimensionality reduction (次元削減)

機械学習の理論書を読み終えた人が次につまずくのは、「分かったはずの手法をコードに落とせない」という実装の溝です。本書は scikit-learn の API を軸に、前処理、特徴量エンジニアリング、モデル選択、評価指標、パイプライン構築までの実装工程をハンドブック形式でまとめています。辞書的に引ける構成のため、分析の途中で手が止まったときに該当箇所だけ拾い読みできるのが実務向きです。

扱う範囲は教師あり・教師なし学習の主要アルゴリズムに加え、交差検証やハイパーパラメータチューニングといった運用で避けて通れない工程を含みます。深層学習は対象外ですが、表形式データを扱う業務分析の場面では scikit-learn が担う領域は依然として広く、そこに集中している点がむしろ強みになります。

数式の導出よりもコードと動作結果を中心に据えているため、理論の深い理解には別途テキストが必要です。逆に言えば、理論書との併読で「原理は分かるし動かせもする」状態を効率よく作れる本と言えます。