購入前に目次をご確認ください
インプレス［コンピュータ・IT］ムック スッキリわかるPythonによる機械学習入門 第2版
インプレス / 2024年12月04日 / 全663ページ
本書は、著者の豊富な講義経験から導き出した学習メソッドにより、データ分析の「全体の流れ」を繰り返し追いかけながら自然に基礎知識をインプットでき、さらに、段階的に高度な内容に挑戦する流れで、いつのまにか応用術が身に付く構成となっています。独学をサポートする「エラー解決・虎の巻」を収録！ 第2版では、最新のpandasに対応したほか、新付録として「Polars入門」を追加。さらに、令和の学習体験により適した、シンプルでスッキリとした紙面デザインへ全面的にリニューアルし、読みやすさ、使い勝手の向上を図っています。
目次
- 注意書き
- まえがき
- 本書の見方
- chapter 0 Python基本文法の復習
- 0.1 ようこそ機械学習の世界へ
- 0.2 Python基本文法の習熟度を確認する練習問題
- 0.3 確認用練習問題の解答
- ●第I部 ようこそ機械学習の世界へ
- chapter 1 AIと機械学習
- 1.1 人工知能（AI）とは
- 1.2 機械学習とは
- 1.3 第1章のまとめ
- 1.4 練習問題
- chapter 2 機械学習に必要な基礎統計学
- 2.1 データの種類
- 2.2 基本統計量
- 2.3 統計学でよく使われるグラフ
- 2.4 第2章のまとめ
- 2.5 練習問題
- chapter 3 機械学習によるデータ分析の流れ
- 注意書き
- まえがき
- 本書の見方
- chapter 0 Python基本文法の復習
- 0.1 ようこそ機械学習の世界へ
- 0.2 Python基本文法の習熟度を確認する練習問題
- 0.3 確認用練習問題の解答
- ●第I部 ようこそ機械学習の世界へ
- chapter 1 AIと機械学習
- 1.1 人工知能（AI）とは
- 1.2 機械学習とは
- 1.3 第1章のまとめ
- 1.4 練習問題
- chapter 2 機械学習に必要な基礎統計学
- 2.1 データの種類
- 2.2 基本統計量
- 2.3 統計学でよく使われるグラフ
- 2.4 第2章のまとめ
- 2.5 練習問題
- chapter 3 機械学習によるデータ分析の流れ
- 3.1 目的の明確化
- 3.2 データの収集と前処理
- 3.3 モデルの選択と学習
- 3.4 モデルの評価
- 3.5 第3章のまとめ
- 3.6 練習問題
- chapter 4 機械学習の体験
- 4.1 きのこ派とたけのこ派に分類する
- 4.2 pandas超入門
- 4.3 データの前処理
- 4.4 モデルの準備と機械学習の実行
- 4.5 モデルの評価
- 4.6 モデルの保存
- 4.7 第4章のまとめ
- 4.8 練習問題
- ●第II部 教師あり学習の理解を深めよう
- 第II部で新たに学ぶトピック一覧
- chapter 5 分類1：アヤメの判別
- 5.1 アヤメの花を分類する
- 5.2 データの前処理
- 5.3 モデルの作成と学習
- 5.4 モデルの評価
- 5.5 決定木の図の作成
- 5.6 第5章のまとめ
- 5.7 練習問題
- chapter 6 回帰1：映画の興行収入の予測
- 6.1 映画の興行収入を予測する
- 6.2 データの前処理
- 6.3 モデルの作成と学習
- 6.4 モデルの評価
- 6.5 回帰式による影響度の分析
- 6.6 第6章のまとめ
- 6.7 練習問題
- chapter 7 分類2：客船沈没事故での生存予測
- 7.1 客船沈没事故から生き残れるかを予測
- 7.2 データの前処理
- 7.3 モデルの作成と学習
- 7.4 モデルの評価
- 7.5 決定木における特徴量の考察
- 7.6 第7章のまとめ
- 7.7 練習問題
- chapter 8 回帰2：住宅の平均価格の予測
- 8.1 住宅平均価格を予測する
- 8.2 データの前処理
- 8.3 モデルの作成と学習
- 8.4 モデルの評価とチューニング
- 8.5 第8章のまとめ
- 8.6 練習問題
- chapter 9 教師あり学習の総合演習
- 9.1 第II部で学習した内容のまとめ
- 9.2 練習問題：金融機関のキャンペーン分析
- ●第III部 中級者への最初の1歩を踏み出そう
- chapter 10 より実践的な前処理
- 10.1 さまざまなデータの読み込み
- 10.2 より高度な欠損値の処理
- 10.3 より高度な外れ値の処理
- 10.4 第10章のまとめ
- 10.5 練習問題
- chapter 11 さまざまな教師あり学習：回帰
- 11.1 リッジ回帰
- 11.2 ラッソ回帰
- 11.3 回帰木
- 11.4 第11章のまとめ
- 11.5 練習問題
- chapter 12 さまざまな教師あり学習：分類
- 12.1 ロジスティック回帰
- 12.2 ランダムフォレスト
- 12.3 アダブースト
- 12.4 第12章のまとめ
- 12.5 練習問題
- chapter 13 さまざまな予測性能評価
- 13.1 回帰の予測性能評価
- 13.2 分類の予測性能評価
- 13.3 K分割交差検証
- 13.4 第13章のまとめ
- 13.5 練習問題
- chapter 14 教師なし学習1：次元の削減
- 14.1 次元削減の概要
- 14.2 データの前処理
- 14.3 主成分分析の実施
- 14.4 結果の評価
- 14.5 第14章のまとめ
- 14.6 練習問題
- chapter 15 教師なし学習2：クラスタリング
- 15.1 クラスタリングの概要
- 15.2 データの前処理
- 15.3 クラスタリングの実行
- 15.4 結果の評価
- 15.5 第15章のまとめ
- 15.6 練習問題
- chapter 16 まだまだ広がる機械学習の世界
- 16.1 さまざまな機械学習
- 付録 A sukkiri.jpについて
- A.1 sukkiri.jpについて
- 付録 B エラー解決・虎の巻
- B.1 エラーとの上手な付き合い方
- B.2 トラブルシューティング
- 付録 C Pandas虎の巻
- C.1 シリーズの基本操作
- C.2 データフレームの基本操作
- C.3 データフレームの応用操作
- C.4 データの可視化
- 付録 D 速習 Polars入門
- D.1 データフレームの作成と表示
- D.2 列の抽出や加工
- D.3 行の抽出
- D.4 集計
- D.5 練習問題1
- D.6 欠損値の処理
- D.7 データの並び替え
- D.8 データフレームの結合
- D.9 その他
- D.10 練習問題2
- D.11 練習問題3
- 付録 E 機械学習の数学（基礎編）
- E.1 データとデータの距離（高校数学）
- E.2 データの総和を表すΣ（高校数学）
- E.3 微分（高校数学の基礎レベル）
- E.4 線形代数（大学数学の基礎レベル）
- E.5 偏微分（大学数学の基礎レベル）
- 付録 F 最小2乗法の数学理論に挑戦
- F.1 重回帰分析の係数の導出（最小2乗法）
- 付録G 練習問題の解答
- 索引
- 奥付
※このデジタル雑誌には目次に記載されているコンテンツが含まれています。それ以外のコンテンツは、本誌のコンテンツであっても含まれていません のでご注意ください。
※電子版では、紙の雑誌と内容が一部異なる場合や、掲載されないページがある場合があります。
