Python ではじめる機械学習(パイソンデハジメルキカイガクシュウ)

数学の知識がなくても読み進められる、理論だけでなく実践面も重視した機械学習の入門書!
バックグラウンドに数学的な知識がなくても理解できるように書かれた、 Python を使った機械学習の入門書。 Python の機械学習用ライブラリの大定番、 scikit-learn の開発に関わる著者が、 scikit-learn を使った機械学習の方法を、ステップバイステップで解説します。最初に実践について述べて後から理論を補強するスタイルで、理解しやすいように工夫されています。理論面と実践面のバランスが良く、モデルの評価と改善について多くの紙面を割くなど、類書にはない特徴を備えています。

『 Python ではじめる機械学習』は、 Python の機械学習ライブラリの定番 scikit-learn の開発に深く関わる Andreas C. M ü ller と Sarah Guido の共著による実践入門書です。中田秀基氏の訳でオライリー・ジャパンから 2017 年 5 月に発行 (発売はオーム社) 。原書は O'Reilly の『 Introduction to Machine Learning with Python 』で、副題「 scikit-learn で学ぶ特徴量エンジニアリングと機械学習の基礎」の通り、ライブラリの使い方を入り口に機械学習の基礎概念まで身につけさせる設計の一冊です。

全 8 章の構成、教師あり学習からテキスト処理まで

第 1 章はアイリスの品種分類を題材に、データの観察から k-NN (近傍法) による最初のモデル作成と評価までを一気に体験させる導入です。第 2 章が教師あり学習 (クラス分類と回帰、汎化・過剰適合・適合不足) 、第 3 章が教師なし学習と前処理 (スケール変換・次元削減・クラスタリング) 、第 4 章がカテゴリ変数やビニングを含むデータの表現と特徴量エンジニアリング、第 5 章が交差検証・グリッドサーチ・評価基準というモデルの評価と改良、第 6 章がアルゴリズムチェーンとパイプライン、第 7 章が Bag of Words や tf.idf 、トピックモデリングを扱うテキストデータの処理、第 8 章が総括です。道具立ては Jupyter Notebook と NumPy ・ SciPy ・ matplotlib ・ pandas で、コードを動かして挙動を確かめながら進みます。

ライブラリの作り手が教えるという強み

scikit-learn は統一されたインターフェイスで多数の手法を切り替えられる点が支持されてきたライブラリで、本書はその設計に携わる側からの解説です。版元は著者を「 scikit-learn のリリースマネージャを務めるなど開発に深く関わる」と紹介しており、単なる操作手順の説明ではなく、なぜその API 設計になっているかまで踏み込める立場からの記述が期待できます。楽天の紹介文にある通り、先に実践を示して後から理論を補強するスタイルを取り、モデルの評価と改善に多くの紙面を割いている点も特徴です。機械学習の実務では、手法の選択そのものより評価設計と特徴量の作り方が結果を左右することが多く、第 4 章から第 6 章がまさにその領域を担っています。

数学が苦手でも読めるか、前提知識の目安

版元・楽天の紹介文がそろって強調するのが、数学のバックグラウンドがなくても読み進められるという点です。数式で導出する代わりに、コードと可視化で各手法の振る舞いを確かめる進め方なので、必要な前提は Python の基本文法と、配列操作にある程度慣れていることです。逆に、アルゴリズムを数理的に理解したい人は、本書を入り口にして 機械学習に必要な数学の本 を併読する組み合わせが現実的です。なお刊行は 2017 年のため、書中のコードが前提とするライブラリのバージョンは古く、刊行後に API が変わった箇所は公式ドキュメントと突き合わせながら読むのが安全です。それでも、汎化・過剰適合・交差検証・パイプラインといった本書の中核概念自体は、バージョンに左右されない機械学習の土台です。

深層学習が目的の人にとっての位置づけ

版元はこの本を「ニューラルネットを学ぶ前に習得しておきたい機械学習の基礎」と位置づけています。つまり ニューラルネット や深層学習フレームワークそのものの解説書ではなく、表形式データの分類・回帰・クラスタリングを scikit-learn で確実に回せるようになるための本です。深層学習系の教材との使い分けは 機械学習・ディープラーニング本の選び方 が参考になります。業務データの予測モデルを自分で組んで評価まで往復できるようになりたい人、写経で終わらずライブラリの流儀ごと理解したい人には、投じた時間の回収が早い一冊です。