Ｐｙｔｈｏｎではじめる機械学習―ｓｃｉｋｉｔ‐ｌｅａｒｎで学ぶ特徴量エンジニアリングと機械学習の基礎

ミュラー，アンドレアス・Ｃ．【著】〈Ｍ¨ｕｌｌｅｒ，Ａｎｄｒｅａｓ Ｃ．〉/グイド，サラ〈Ｇｕｉｄｏ，Ｓａｒａｈ〉/中田 秀基【訳】

オライリー・ジャパン（2017/05発売）

• サイズ B5判／ページ数 373p／高さ 24cm
• 商品コード 9784873117980
• NDC分類 007.1
• Cコード C3055

出版社内容情報

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。

内容説明

Ｐｙｔｈｏｎの機械学習用ライブラリの定番、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。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をおさえるとともに、優れた機械学習システムを実装し精度の高い予測モデルを構築する上で重要となる「特徴量エンジニアリング」と「モデルの評価と改善」について多くのページを割くなど、従来の機械学習の解説書にはない特長を備えています。

目次

１章　はじめに
２章　教師あり学習
３章　教師なし学習と前処理
４章　データの表現と特徴量エンジニアリング
５章　モデルの評価と改良
６章　アルゴリズムチェーンとパイプライン
７章　テキストデータの処理
８章　おわりに

著者等紹介

ミュラー，アンドレアス・Ｃ．［ミュラー，アンドレアスＣ．］ ［Ｍ¨ｕｌｌｅｒ，Ａｎｄｒｅａｓ　Ｃ．］
ボン大学で、機械学習のＰｈＤを取得。コンピュータビジョンアプリの機械学習研究者としてＡｍａｚｏｎに１年間勤務したのち、ニューヨーク大学データサイエンスセンターを経て現在はコロンビア大学の講師。ここ４年間は、産業界および学術界で広く使われている機械学習ライブラリｓｃｉｋｉｔ‐ｌｅａｒｎのメンテナ、コアコントリビュータ、リリースマネージャーとして活躍する。広く使われている別の機械学習パッケージの開発者兼コントリビュータでもある

グイド，サラ［グイド，サラ］ ［Ｇｕｉｄｏ，Ｓａｒａｈ］
スタートアップで働くデータサイエンティスト。ニューヨーク在住。ミシガン大学大学院修了

中田秀基［ナカダヒデモト］
博士（工学）。産業技術総合研究所において分散並列計算の研究に従事（本データはこの書籍が刊行された当時に掲載されていたものです）
※書籍に掲載されている著者及び編者、訳者、監修者、イラストレーターなどの紹介情報です。

感想・レビュー

※以下の感想・レビューは、株式会社ブックウォーカーの提供する「読書メーター」によるものです。

[エリナ松岡]

実際に自分でコードを書きながら読み進めていくスタイルの本で、難しい理論に頭を悩ませることなく読み通すことができました。コードの実行結果は漏れなく記載されているので、必ずしも自分でコードを書く必要なないです。お陰様で機械学習についての理解がかなり深まりました。

2021/03/10

[翔]

基本となる教師あり学習、教師なし学習から自然言語処理まで満遍なく学べる。この本から始めて、それぞれに特化した本に移っていくのが良いかも。

2020/05/06

[わえ]

最初の３章では、k-最近傍法や線形モデル、決定機、アンサンブル法、SVMなどの教師あり学習や、主成分分析、非負値行列因子分解、クラスタリングといった教師なし学習が説明されている。分量が多いので一度読んで辞書的に使うのが良いかも。データの表現方法や特徴量エンジニアリング、モデルの評価方法、交差検証やグリッドサーチ、パイプラインについても説明がある。テキストデータの処理についても書かれているが、説明はやや簡単に済まされている印象。各モデルの数学的な理論を知るには別の書籍を参照する必要がある。

2022/05/10

[富士獣]

幅広さとコンパクトさ、コード量と背景説明量のバランスが良い。 「Pythonは分かる。非エンジニアレベルの機械学習知識はある。Pythonで機械学習に入門したい」という人が連休とかに15時間程度でざっくり学ぶには結構良さそう。あるいは機械学習を研究で使う大学生が配属前～直後に読むとか。 もちろん、本格的に機械学習やるとか背景の数学を知るには更なる学習が必要だけど。不満があるとしたら、f文字列じゃないからprintが読みにくいことくらい。

2021/08/08

[しき]

機械学習を体系的に学べる本。機械学習の基本が揃ってる。データ観察、前処理、アルゴリズムの選定、パラメータ調整、評価まで。アルゴリズムに関する数学的な理論はなく、使い方と実践がメイン。機械学習の全体像をつかめる。

2019/07/09