無料マンガ・ラノベなど、豊富なラインナップで200万冊以上配信中！
無料マンガ・ラノベなど、豊富なラインナップで200万冊以上配信中！
※この電子書籍は固定レイアウト型で配信されております。固定レイアウト型は文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。
本書は具体的なデータ分析の手法を説明する意図で書かれたものではありません。
実用的な目的ならscikit-learnやChainerなどの既存のフレームワークを使うべきですが、本書では機械学習のいくつかの有名なアルゴリズムを、自分でゼロから実装することを目標としています。こうすることにより、とかくブラックボックスになりがちな機械学習の仕組みを理解し、さらなる応用力と問題解決力を身につけることができるようになります。
また、処理系にはデファクトスタンダードであるPythonを使い、機械学習に必要な数学の知識もわかりやすく解説しています。
これから機械学習を始める学生さんや、いきなりプロジェクトに放り込まれていまいち理解できないままデータ分析の仕事をしているエンジニアの方にも最適です。
※アプリの閲覧環境は最新バージョンのものです。
Posted by ブクログ
機械学習を勉強する上での入り口になり得る本であると感じた 基本的なPythonの文法や高校数学大学数学の復習をした後に、基本となる機械学習アルゴリズムの理論と実装の2つを丁寧に説明してくれている
機械学習を勉強する知人がいたらまず真っ先にこれを勧めたいと思えるレベル
しかし基本的なPythonの経験（数十行くらいのコードを読み書きした経験）や高校理系レベルの数学などの教養が前提となっていて、また後半は行列計算が大量に出てくるので頭の中で平面的立体的に考えられる力がないと理解が追いつかない部分がでてきそう
実務というよりは理論と実装だが、しかし機械学習の勉強をしていくなら最低限これくらいの教養は欲しいといった内容が込められているように感じた
1章
AnacondaなどのPython実行環境の準備について
2章
Pythonの基礎
JupyterNotebookやREPLの使い方、基礎文法、各種データ型、オブジェクト指向、クラス、モジュール作成、ファイル操作など
3章
数学基礎
高校数学の基礎や線形代数の幾何的イメージ、大学レベルの線形代数など
逆行列の求め方やランクの概念についてよく学べた ランクは変換先が何次になるかを表せてる
その他にも直交行列や対称行列など
微積分は高校数学＋ヘッセ行列など
4章
Pythonによる数値計算
Numpyによる配列計算の基本やScipyによる数値計算の仕方、乱数の扱い、Matplotlibによるデータの可視化など
応用としてScipyのoptimizeモジュールによる数理最適化、中でも勾配降下法は重要 制約式が非線形の最適化の場合はラグランジュ
統計については基本的なレベル
5章
機械学習アルゴリズムについて
各種MLアルゴリズムがどのような数学的理論に基づくかとPythonでどう書かれるかについて
まず線形回帰について学び、その後正則化を取り入れた回帰について
その後過学習の問題について交差検証によってデータをk分割しk回訓練・評価を行うことで改善
その後分類としてロジスティック回帰（名前に注意）やSVM（分類不可能な場合もあるのである程度の許容値となるパラメータを加えチューニングする）
非線形な場合はカーネル法により次元をあげて分類し次元をまた下げる
次に教師なし学習について、k-Means（重心との距離）や主成分分析（低次元射影後の分散を最大化）などの手法の理論とアルゴリズムを学んだ
PCAの行列演算は特異値分解を行うため難しい
スケーリングの標準化が必要なのは正則化（重みが公平じゃないといけない）と勾配降下法（SVMなど）が用いられる時
※アプリの閲覧環境は最新バージョンのものです。
ビジネス・実用
ビジネス・実用
ビジネス・実用
