R による機械学習［第 3 版］(アールニヨルキカイガクシュウダイサンハン)

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。

Python 全盛の中であえて R で機械学習を学ぶ意味はどこにあるのか。 R は統計解析の言語として設計されており、データの探索・可視化・モデル評価のワークフローが簡潔に書ける強みがあります。本書は Brett Lantz による "Machine Learning with R" 第 3 版の翻訳で、 R のこの強みを活かしながら、教師あり・教師なし学習の主要アルゴリズムを実データで動かして理解する構成です。

k-NN 、ナイーブベイズ、決定木、回帰、 SVM 、ニューラルネットワーク、アソシエーション分析、クラスタリングと、古典的な手法を幅広くカバーしています。各章がデータの取得から前処理、モデルの構築、評価、改善までを一気通貫で示しているため、アルゴリズムの理論だけでなく「実務でデータを受け取ってから結果を出すまで」の流れが身につきます。

統計学やプログラミングの深い前提知識なしに読み始められるよう配慮されていますが、 R の基本操作 (ベクトル、データフレーム、関数の使い方) は事前に押さえておくとスムーズです。研究やレポート作成で R を使う立場から機械学習に入りたい人、あるいは統計寄りのアプローチで手法を比較したい実務者に適した一冊です。