PC・IT 図解 機械学習の技術としくみ

PC で活用するための機械学習の基本をハンズオン学ぶ解説書です。文系・理系を問わずニュースなどで耳にする AI (人工知能) のコアとなる技術で機械学習とは何かを知りたい人のために書かれています。図解メインで本文の下線部分と合わせてイメージをまず掴むという使い方もできます。

01 機械学習の基礎
02 機械学習のプロセス
03 回帰モデルによる予測
04 サポートベクターマシン (SVM)
05 決定木とアンサンブル学習
06 ディープラーニング
07 教師なし学習
08 生成型学習
A 資料
01 機械学習の基礎
02 機械学習のプロセス
03 回帰モデルによる予測
04 サポートベクターマシン (SVM)
05 決定木とアンサンブル学習
06 ディープラーニング
07 教師なし学習
08 生成型学習
A 資料

『PC・IT 図解 機械学習の技術としくみ』 (金城 俊哉 著、秀和システム、2023 年 9 月刊) は、機械学習の基礎技術と全体の流れを、文章と図版で追えるように組んだ入門書です。版元の紹介文は、数式を理解しなくても文章と図版を眺めるだけでイメージできる本とし、開発環境を用意して機械学習を体験する方法も紹介していると案内しています。国立国会図書館の書誌はシリーズ名を「PC・IT 図解」とし、「仕組みを知って仕事に生かす!」と「オールカラー版」を副題として記録しています。版元の書籍ページはサンプルプログラムのダウンロードを「有」と示しています (2026 年 10 月時点)。

8 章と資料の構成、機械学習の基礎から生成型学習まで

目次は「本書の特徴と各章の構成」に続く 01「機械学習の基礎」から 08「生成型学習」までの 8 章と、巻末の「資料」です。間には「機械学習のプロセス」「回帰モデルによる予測」「サポートベクターマシン (SVM)」「決定木とアンサンブル学習」「ディープラーニング」「教師なし学習」が並びます。項目には章をまたいだ通し番号が振られ、01「機械学習とは」から 48「GAN (敵対的生成ネットワーク)」まで続きます。01 の章は教師あり学習、教師なし学習、強化学習の 3 つを項目に立て、資料は「Python と Visual Studio Code のインストール」と「Visual Studio Code の設定」の 2 項目です。

前処理と評価指標を扱う機械学習のプロセスの章

予測や分類を行う 機械学習 のモデルは、入力の値の形や尺度によって学習の結果が変わるため、学習の前にデータを整える工程と、学習したモデルを測る物差しが要ります。02「機械学習のプロセス」はこの 2 つを扱う章で、「データの用意」のあとに前処理の項目が (1) から (7) まで並び、カテゴリ変数の変換、ダミー変数の追加、欠損値の補完、外れ値の除去、Min-Max スケーリング、標準化、分布の形を変える処理を順に取り上げます。後半は説明変数と目的変数、予測と分類に使うアルゴリズムの選定、検証用データの抽出方法を経て、予測問題、二値分類、多クラス分類の評価指標の項目で終わり、二値分類には混同行列を用いる評価指標と確率を用いた評価指標の 2 項目があります。

回帰、SVM、決定木とアンサンブル学習の 3 章

03「回帰モデルによる予測」は線形回帰からバッチ勾配降下法、確率的勾配降下法へ進み、「確率的勾配降下法による住宅価格の予測」と「多項式回帰」の項目、L2 正則化のコラムを置いています。直線で分けられないデータを、高い次元へ写した場合の内積だけを計算して分ける手法をカーネル法と呼び、04 の章は分類で多項式カーネルとガウス RBF カーネルを、回帰でガウス RBF カーネルを扱います。複数の木の予測を組み合わせるのがアンサンブル学習で、ランダムフォレストは独立に育てた木の結果をまとめ、勾配ブースティングは前の木が外した分を次の木で補いながら積み重ねます。05 の章は決定木とランダムフォレストをそれぞれ分類モデルと予測モデルの 2 項目で扱い、「勾配ブースティング回帰木 (GBRT)」と「勾配ブースティング決定木 (GBDT)」で閉じます。

ニューラルネットワークから GAN までの後半 3 章

06 の章は「ニューラルネットワーク」に始まり、「MLP (多層パーセプトロン) による画像分類」「畳み込みニューラルネットワーク」「CNN によるカラー画像の分類」「物体検出」と続きます。層を重ねたネットワークに特徴の抽出まで学習させる 深層学習 では、画像に対して畳み込みの層が近い画素のまとまりから模様を拾い、層を進むごとに大きな形をとらえていきます。07 の章は「主成分分析」と「k-means 法」の 2 項目、08 の章は「オートエンコーダー」と「GAN (敵対的生成ネットワーク)」の 2 項目です。

本書は、機械学習の種類の整理から前処理、評価指標、回帰、SVM、決定木、ディープラーニング、教師なし学習、生成型学習までの 48 項目を、8 章と資料に収めています。