Python 実践 AI モデル構築 100 本ノック

本書は、Python の実践的な力を身に付けるというコンセプトで好評を博した『Python100 本シリーズ』シリーズの一冊として、実際のビジネス現場でも応用可能な、AI モデル構築の一連の流れを学べるように設計した問題集です。数学的な説明は極力控え、前処理からパラメータチューニング、AI アルゴリズムの特徴や長所短所まで学べます。

『Python 実践 AI モデル構築 100 本ノック』 (下山輝昌、中村智、高木洋介 著、秀和システム、2021 年 9 月刊) は、機械学習のモデルを作る流れを 100 問の演習で身につけるための問題集です。版元は本書を、Python の実践的な力を身に付けるというコンセプトの「Python100 本シリーズ」の一冊として、ビジネスの現場でも応用できる AI モデル構築の一連の流れを学べるように設計したと紹介しています。数学的な説明は極力控え、前処理からパラメーターのチューニング、アルゴリズムの特徴と長所短所までを扱う方針です。

全 3 部 10 章の構成、教師なし学習から SHAP と PyCaret まで

本書は 10 章で、各章が 10 本のノックからなります。第 1 部「教師なし学習」は、第 1 章で k-means と階層型クラスタリング、エルボー法やシルエット分析によるクラスター数の探索を扱い、第 2 章で SpectralClustering、MeanShift、x-means、GMM、VBGMM、DBSCAN、HDBSCAN などのクラスタリング手法を試し、第 3 章で PCA、Isomap、t-SNE、UMAP による次元削減へ進みます。第 2 部「教師あり学習」は、第 4 章の単回帰から始まり、第 5 章で重回帰、LASSO 回帰、リッジ回帰と交差検証、第 6 章で決定木、ランダムフォレスト、勾配ブースティングとグリッドサーチ、ランダムサーチによるチューニングを扱います。第 7 章はロジスティック回帰、SVM、K 近傍法などの分類モデルを決定境界の可視化とともに比べ、第 8 章は正解率、混同行列、適合率、再現率、F1 値、PR 曲線による分類モデルの評価に充てられています。第 3 部「機械学習発展編」は、第 9 章で SHAP によるモデルの解釈、第 10 章で PyCaret を使った AutoML によるモデル構築と評価を扱います。

1 つの手法を比べながら試す、ノック形式の効き目

目次を通して見ると、ノックの多くは「手法を試す」「結果を評価する」「設定を変えて比べる」という並びで組まれています。たとえば第 6 章は、決定木を作って評価したあとに深さや最小サンプル数を変え、ランダムフォレストでは決定木の数を変える、という順で進みます。機械学習 のモデルは同じデータでもハイパーパラメーターの値によって精度が大きく変わり、評価の指標を誤ると、見かけ上よい数字のモデルを選んでしまうことがあります。第 4 章がデータの読み込みと分割からモデルの保存と再利用までを 10 本で通していることも合わせると、手法の名前を覚えるより、作る、測る、直すという一連の手順を体に入れることを狙った構成と読めます。

数学を控えた問題集で、扱わない領域と前提知識の注意

版元の紹介どおり数学的な説明は控えめな方針なので、各手法がなぜそう動くのかを式から理解したい場合は、機械学習に必要な数学の本 を別に用意することになります。また目次に並ぶのはクラスタリング、次元削減、回帰、分類、モデルの解釈、AutoML で、画像や文章を入力にした ディープラーニング のモデルを組む章はありません。Python の文法そのものを教える章も目次には見当たらないため、コードを読み書きすること自体に不慣れな段階では、先に入門書で基礎を作っておくほうが進めやすいはずです。

機械学習のライブラリで一通りのモデルは動かせたものの、手法の選び方や評価の仕方、チューニングの進め方に自信が無い人、あるいは業務の表形式のデータで分類や予測、顧客の分け方を試したい人にとって、教師なし学習から説明可能性と AutoML までを 100 問で一巡できる本書は、手元の技術の引き出しを着実に増やせる演習書です。気になる章から取り組み、ノックの結果を自分のデータで再現してみると、学んだ手順が実務の判断材料に変わります。