Pythonによる機械学習入門

前表紙
株式会社 オーム社, 2016/11/30 - 248 ページ

初心者でもPythonを用いて機械学習が実装できる!

本書は、今後ますますの発展が予想される人工知能の技術のうち機械学習について、入門的知識から実践まで、できるだけ平易に解説する書籍です。「解説だけ読んでもいまひとつピンとこない」人に向け、プログラミングが容易なPythonにより実際に自分でシステムを作成することで、そのエッセンスを実践的に身につけていきます。

また、読者が段階的に理解できるよう、「導入編」「基礎編」「実践編」の三部構成となっており、特に「実践編」ではシステム計画研究所が展示会「Deep Learning実践」で実際に展示した「手形状判別」を実装します。

★このような方におすすめ

これからデータサイエンス分野で機械学習の研究を始めようとしている大学生・大学院生の参考書/機械学習技術を基礎科学や産業に応用しようとしている研究者・技術者の導入テキスト

第1部 導入編  1章 はじめに  2章 機械学習の様々な側面 第2部 基礎編  3章 分類問題  4章 回帰問題  5章 クラスタリング 第3部 実践編  6章 画像による手形状分類  7章 センサーデータによる回帰問題 第4部 付録  A Python で作る機械学習  B 線形代数のおさらいと代表的な非線形モデル
 

目次

第1部導入編
1
第1章はじめに
3
12 Pythonと機械学習
4
14 Python早分かりNumPyとmatplotlib
9
15 クイックツアー
16
第2章機械学習の様々な側面
33
22 関連分野
34
23 学習法による分類
35
62 最初の学習
118
63 汎化性能を求めて人を増やしてみる
123
64 さらに人数を増やしてみる
127
65 データの精査と洗浄データクレンジング
134
66 特徴量の導入
139
67 パラメータチューニング
145
68 まとめ
152
第7章センサデータによる回帰問題
153

24 手法や課題設定による分類
36
25 応用例
37
第2部基礎編
39
第3章分類問題
41
32 最初の分類器
42
33 学習データとテストデータ
46
34 分類器の性能を評価しよう
50
35 色々な分類器
56
36 まとめ
69
第4章回帰問題
71
42 最初の回帰最小二乗法と評価方法
73
43 機械学習における鬼門過学習
86
44 過学習への対応罰則付き回帰
90
45 様々な回帰モデル
92
46 まとめ
97
第5章クラスタリング
99
51 irisデータセット
100
52 代表的なクラスタリング手法kmeans
102
53 その他のクラスタリング手法
111
54 まとめ
114
第3部実践編
115
第6章画像による手形状分類
117
72 準備
154
74 データの読み込み
156
75 高松の気温データと四国電力の消費量
174
76 もっと色々そしてまとめ
185
77 終わりに
186
第4部付録
187
付録A Pythonで作る機械学習
189
A2 最小二乗法
190
A3 行列計算による解析解の導出
194
A4 反復法
196
A5 コードを書く前に
200
A6 実装例
201
付録B 線形代数のおさらいと代表的な非線形モデル
209
B3 線形変換とアフィン変換
210
B4 ノルムと罰則項
215
B5 線形回帰の最小二乗解を考える
216
B6 機械学習における非線形
219
参考情報
227
索引
231
奥付
237
著作権

書誌情報