情報
超実践 アンサンブル機械学習
ポスト深層学習!!
本書は、ポスト深層学習の最右翼として注目されている「アンサンブル機械学習」を具体的にプログラムを動かしながら、実践的に学ぶ事ができる。
「アンサンブル機械学習」とは簡単に言えば、従来のいくつかの機械学習法の“良いとこ取り”である。その主な手法であるランダムフォーレスト、ブースティング、バギングなどについて、統計手法との絡みを含めて詳説する。おそらく、アンサンブル機械学習についての本邦初の解説書であろう。
深層学習、機械学習、人工知能に関わる読者には、まさに必携必読の書である。
電子書籍¥2,970 小売希望価格（税込）
紙の書籍¥2,970定価（税込）
基本情報
| 発売日 | 2016年12月26日 |
|---|---|
| 本体価格 | 2,700円 |
| ページ数 | 128 ページ ※印刷物 |
| サイズ | B5 変形 |
| ISBN | 9784764905290 |
| ジャンル | 情報 |
| タグ | 機械学習・深層学習 |
| 電子書籍形式 | 固定型 |
主要目次
はじめに
第0章 機械学習の基礎と環境設定
0.0 機械学習とは
0.1 機械学習実行環境設定
第1章 ビッグデータ解析と機械学習
1.0 ビッグデータ解析とは
1.1 重回帰分析とは
第2章 機械学習
2.0 サポートベクトル回帰 SVR
2.1 カーネルリッジ回帰 KRR
2.2 ナイーブ・ベイズ sklearn.naive_bayes 機械学習
2.3 決定木分類器 Decision Tree Classifier
2.4 近傍法
2.5 確率的勾配降下法 SGD Classifier
2.6 ディープラーニングニューラルネットワーク keras
第3章 アンサンブル機械学習
3.0 アダブースト (Adaboost)
3.1 ランダムフォーレスト (RandomForest)
3.2 エキストラツリー (ExtraTree)
3.3 エキストラツリーズ (ExtraTrees)
3.4 グラディエントブースティング (Gradient Boosting)
3.5 バッギング (Bagging)
3.6 多数決分類器(VotingClassifier)
第4章 アンサンブル機械学習の応用事例
4.0 クレジットカードのデフォルトの学習
4.1 赤ワインの品質を判別できる人工ソムリエ
第5章 OpenCV と畳み込みニューラルネットワーク
5.0 OpenCV と人工知能
5.1 畳み込みニューラルネットワークで絵画を生成
付録
索引
第0章 機械学習の基礎と環境設定
0.0 機械学習とは
0.1 機械学習実行環境設定
第1章 ビッグデータ解析と機械学習
1.0 ビッグデータ解析とは
1.1 重回帰分析とは
第2章 機械学習
2.0 サポートベクトル回帰 SVR
2.1 カーネルリッジ回帰 KRR
2.2 ナイーブ・ベイズ sklearn.naive_bayes 機械学習
2.3 決定木分類器 Decision Tree Classifier
2.4 近傍法
2.5 確率的勾配降下法 SGD Classifier
2.6 ディープラーニングニューラルネットワーク keras
第3章 アンサンブル機械学習
3.0 アダブースト (Adaboost)
3.1 ランダムフォーレスト (RandomForest)
3.2 エキストラツリー (ExtraTree)
3.3 エキストラツリーズ (ExtraTrees)
3.4 グラディエントブースティング (Gradient Boosting)
3.5 バッギング (Bagging)
3.6 多数決分類器(VotingClassifier)
第4章 アンサンブル機械学習の応用事例
4.0 クレジットカードのデフォルトの学習
4.1 赤ワインの品質を判別できる人工ソムリエ
第5章 OpenCV と畳み込みニューラルネットワーク
5.0 OpenCV と人工知能
5.1 畳み込みニューラルネットワークで絵画を生成
付録
索引