「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
機械学習の勉強を始めたばかりの方は、慣れない数式や統計の用語に苦労することがあるのではないでしょうか。そんなとき、1つの図が理解を助け、頭の中で機械学習のイメージができるようになることがあります。本書は、機械学習を専門としていない方々が理解しやすいように、なるべく少ない数式で図を中心に解説を行なっています。
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
Taizo さん
2020-04-18
ゆるふわな本かと思ってたけど、すごく幅広い範囲をカバーしてる。アルゴリズム入門だったらとりあえずこれを読んでおけばいいと思う。よくもまあこれだけの分量でこんなに分かりやすく説明できるもんだという感じ。図鑑の名に恥じずビジュアルで直感的に理解できる。pythonコードを叩きながらとりあえず試せるところもいい。環境構築から、学習の精度評価まで実用的な泥臭い部分もカバーしていて好感が持てる。
ぴよぴよ さん
2019-09-25
比較的に判りやすく、入門書としては良いのかと思いました。ですが、この本一冊だけで全てを完全に理解することはできず、一部のアルゴリズムについては、ネットで少し調べて理解したりもしました。
Kazuki さん
2020-02-29
図解もあってわかりやすいかも。それぞれの機械学習アルゴリズムに対して、その概要とアルゴリズムについて説明されている。また、はじめの機械学習に必要なステップに関してはとても役にたつと思うので繰り返し参照したい。