見て試してわかる機械学習アルゴリズムの仕組み 機械学習図鑑(ミテタメシテワカルキカイガクシュウアルゴリズムノシクミ キカイガクシュウズカン)

機械学習アルゴリズムの違いが見てわかる!

「機械学習アルゴリズムは種類が多く、複雑で何をしているのかわかりにくい」と思ったこと、ありませんか?本書は、そのような機械学習アルゴリズムをオールカラーの図を用いて解説した機械学習の入門書です。
いままで複雑でわかりにくかった機械学習アルゴリズムを図解し、わかりやすく解説しています。アルゴリズムごとに項目を立てているので、どのアルゴリズムがどのような仕組みで動いているのか比較をしやすくしています。
これから機械学習を勉強する方だけでなく、実際に機械学習を業務で使用している方にも新しい気付きを得られるのでお勧めの 1 冊です。

【本書の特徴】
・複雑な機械学習アルゴリズムの仕組みを 1 冊で学べる
・オールカラーの図をたくさん掲載
・各アルゴリズム毎に Scikit-Learn を使用したコードを記載しているので、見るだけでなく試すこともできる
・仕組みだけでなく、実際の使い方や注意点もわかる

【本書で紹介するアルゴリズム】
01 線形回帰
02 正則化
03 ロジスティック回帰
04 サポートベクトルマシン
05 サポートベクトルマシン (カーネル法)
06 ナイーブベイズ
07 ランダムフォレスト
08 ニューラルネットワーク
09 kNN
10 PCA
11 LSA
12 NMF
13 LDA
14 k-means
15 混合ガウス
16 LLE
17 t-SNE

第 1 章 機械学習の基礎
1.1 機械学習の概要
1.2 機械学習に必要なステップ

第 2 章 教師あり学習
01 線形回帰
02 正則化
03 ロジスティック回帰
04 サポートベクトルマシン
05 サポートベクトルマシン (カーネル法)
06 ナイーブベイズ
07 ランダムフォレスト
08 ニューラルネットワーク
09 kNN

第 3 章 教師なし学習
10 PCA
11 LSA
12 NMF
13 LDA
14 k-means 法
15 混合ガウス分布
16 LLE
17 t-SNE

第 4 章 評価方法および各種データの扱い
4.1 評価方法
4.2 文書データの変換処理
4.3 画像データの変換処理

第 5 章 環境構築
5.1 Python3 のインストール
5.2 仮想環境
5.3 パッケージインストール

機械学習の教科書を開くと数式の壁にぶつかり、コード中心の本を読むとアルゴリズムがブラックボックスのまま残る。本書はその中間を狙い、各アルゴリズムの「仕組み」を図解で直感的に見せることに特化した一冊です。秋庭伸也氏らの共著で、線形回帰、ロジスティック回帰、 SVM 、決定木、ランダムフォレスト、 k-means 、 PCA 、ニューラルネットワークなど主要な手法を、見開き完結のビジュアルで俯瞰できます。

数式を完全に排除しているわけではありませんが、説明の主軸は図とイメージです。「この手法はデータをどう分割するのか」「なぜこの境界になるのか」を絵で追えるため、数学に苦手意識がある人でも各手法の概念を掴めます。 Python (scikit-learn) による短いコード例も添えられており、手を動かして確認するための足掛かりもあります。

注意点として、各アルゴリズムの扱いは概要レベルにとどまるため、一つの手法を深く使いこなすには別の専門書が必要です。本書の価値は「まず全体像を頭に入れ、自分が次に深掘りすべき手法を見極める地図」として使うところにあります。