R による機械学習［第 3 版］

絶え間なく更新されるベストプラクティスが
「ベスト」であり続けるための基礎技術のすべて

【本書の内容】
本書は
Brett Lantz, "Machine Learning with R - Third Edition",
Packt Publishing, 2019
の邦訳版です。

本書は「機械学習」で語られることの多い手法 (最近傍法や回帰法、ナイーブベイズ
や決定木を使った分類法) を網羅し、それぞれの意味や成立条件を解説します。
といっても、ゴリゴリの数式だけを使うわけではなく、既存のデータを使用し、
それら手法によって解析した結果、どのようなグラフが表示されるか、を
手取り足取りで解説してくれます。
ですから、機械学習を構成するさまざまな手法を、実際に使えるレベルで理解できる
ようになります。
そのため、自身が関わるプロジェクトにおいて、どの手法がベストプラクティスと
なるのか、無意味な分析・解析を避ける勘所がわかるようになるでしょう。
「機械学習」を学んだものの「もやもや」に付きまとわれているエンジニアに
よく効く一冊です。

【本書のポイント】

・「機械学習」と呼ばれる手法を網羅

・手法を構成する手続きやその前準備を微細に解説

・各手法のメリットとデメリットも紹介

・実際に手を動かすことで各種手法を正しく利用できるようになる

【読者が得られること】

・機械学習とその派生手法のモデルを頭の中に構築できる

・機械学習を成立させるさまざまな手法に精通できる

・プロジェクトで真に必要な手法がわかる

・(ついでに) R 言語 (4.x 系) も習得できる

【著者について】
・Brett Lantz (ブレット・ランツ)
社会学者として教育を受けた著者は、人間の行動を理解するために 10 年以上に
わたってイノベーティブなデータ手法を活用してきた。
DataCamp の講師であり、世界中の機械学習カンファレンスやワークショップで
たびたび講演を行っている。

R で機械学習の代表的な手法を一通り動かし、どの場面でどの手法を選べばよいかの勘所をつかみたい人に向けた翻訳書です。『R による機械学習［第 3 版］』 (Brett Lantz 著、株式会社クイープ 監訳、翔泳社、2021 年 2 月 10 日発売) は、Packt Publishing から 2019 年に刊行された Machine Learning with R の第 3 版の邦訳で、翔泳社の Programmer's SELECTION の 1 冊です。版元の紹介文は、近傍法や回帰法、ナイーブベイズや決定木を使った分類法といった手法を網羅し、それぞれの意味や成立条件を、既存のデータを解析した結果のグラフとともに解説すると案内しています。

全 12 章の構成、k 近傍法から k-means 法まで

第 1 章「機械学習入門」と第 2 章「データを管理し、理解する」で、機械学習の考え方と、R のデータ構造やデータの調べ方を固めます。第 3 章から第 9 章は手法ごとの章で、k 近傍法、ナイーブベイズ、決定木と分類ルール、回帰法、ニューラルネットワークとサポートベクトルマシン、相関ルール、k-means 法を順に扱います。これらの章には例題の節があり、k 近傍法による乳がんの診断、ナイーブベイズによる SMS スパムのフィルタリング、C5.0 の決定木によるあぶない融資の特定、線形回帰による医療費の予測、相関ルールによる頻繁に購入される商品の特定などが並びます。第 10 章と第 11 章はモデルの性能の評価と改善を扱い、第 12 章は現実のデータの管理と前処理、オンラインデータとオンラインサービスの操作、R の性能の向上などを取り上げる専門的なトピックの章です。

手法の長所と短所を比べて選ぶための技術背景

機械学習の手法に万能なものは無く、データの性質と目的によって向き不向きが変わります。k 近傍法は学習の段階でモデルを作らず、予測のたびに近いデータを探す方式なので、仕組みは単純ですが、特徴量の尺度をそろえる前処理が結果を大きく左右します。ナイーブベイズは特徴量どうしが独立だと仮定することで少ない計算で確率を見積もり、文書の分類のように特徴量が多い問題で扱いやすい手法です。決定木や分類ルールは判断の根拠を人が読める形で示せる一方、表現力の高い手法ほど判断の理由を説明しにくくなります。版元の紹介文は各手法のメリットとデメリットも紹介すると案内しており、手法を比べて選ぶ視点を持ちながら読める構成です。

性能の評価も、手法を知っているだけでは身につきにくい部分です。学習に使ったデータで測った正解率は、まだ見ていないデータに対する性能を高く見積もりがちで、データを分けて検証する考え方が欠かせません。第 10 章も、分類の性能の計測と将来の性能の推定を別の節に分けています。

R 言語で学ぶ意味と、2019 年の原著を前提にした読み方

R 言語 は統計解析とデータ可視化のために育ってきた言語で、データフレームを中心にした操作と、パッケージで手法を呼び出して結果をすぐにグラフで確かめられる手軽さが強みです。回帰分析のような 統計学 の道具と、決定木のような学習器を同じ環境で並べて比べられるのも利点です。NDL の書名の後半は「R 言語や数式の波に足元をすくわれることなく基礎知識の理解と習得を促進する」で、数式だけに頼らない解説の方針が書名にも表れています。版元は R 言語 (4.x 系) の習得を、読者が得られることの中で「ついでに」と位置づけており、R の文法そのものを主題にした本ではありません。原著は 2019 年刊で、目次に深層学習の実装を主題にした章は無いため、扱うのは古典的な機械学習の手法が中心です。R のパッケージは更新が続くので、原著 2019 年、邦訳 2021 年の時点の環境を前提に、動かない箇所はパッケージの説明書で確かめながら進めるのが現実的です。

手法の使いどころに迷うエンジニアに向く一冊

版元の紹介文は本書を、機械学習を学んだものの「もやもや」に付きまとわれているエンジニアによく効く一冊と紹介しています。用語や理論は一度学んだのに、実際のデータを前にするとどの手法を選び、結果をどう評価すればよいかで手が止まる人にとって、本書は例題を通じてその判断の筋道を示してくれます。Python で深層学習を中心に学びたい場合は、機械学習とディープラーニングの本の選び方 から目的に合う本を探すほうが近道です。R を使える環境が手元にあり、分類、回帰、クラスタリングの手法を自分の業務データにどう当てはめるかを確かめたい人にとって、全 12 章を順に試す時間は十分に回収できる投資になります。