情報
Pythonでプログラミングして理解する 機械学習アルゴリズム
「機械学習」をPythonでプログラミングし、アルゴリズムの動きを理解しよう！
機械学習のプログラムは様々なライブラリ・モジュールを使うことで簡単に試すことができる。その反面、単にモジュールを使用するだけでは機械学習の中のアルゴリズムがブラックボックス化してしまい、計算結果の意味を正しく捉えることも難しくなってくる。
本書ではまず「機械学習」のアルゴリズムを解説し、機械学習の動きをPythonで実際にプログラミングすることで、アルゴリズムの流れが理解できるよう構成している。まずは黎明期からの機械学習アルゴリズムを理解し、それを実装することが目標となる。
さらにPython用の機械学習モジュールの使用法も解説し、これらを使用したプログラムの作成も行う。機械学習を使いこなすためのイントロダクションとなる1冊。
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 | 2022年2月25日 |
|---|---|
| 本体価格 | 2,700円 |
| ページ数 | 196 ページ ※印刷物 |
| サイズ | B5 |
| ISBN | 9784764906365 |
| ジャンル | 情報 |
| タグ | アルゴリズム, Python, 機械学習・深層学習, 教科書 |
| 電子書籍形式 | 固定型 |
主要目次
1章 データに基づいた解析・機械学習とは
1.1 機械学習とは
1.2 機械学習の種類
1.3 機械学習の実装
2章 データの標準化・主成分分析
2.1 標準化
2.2 データの関係性
2.3 Pythonによる計算、データの可視化
2.4 主成分分析
2.5 scikit-learn による主成分分析
3章 線形回帰
3.1 回帰とは
3.2 線形回帰（単回帰）
3.3 多項式回帰
3.4 Pythonによる実装
4章 過剰適合
4.1 過剰適合と交差検証
4.2 正則化
5章 最尤推定法
5.1 最尤推定法
5.2 MAP推定法
6章 カーネル法
6.1 一般関数の線形和
6.2 ガウス関数による近似
6.3 カーネル関数
6.4 正則化
7章 線形判別
7.1 分類問題
7.2 線形分離
7.3 Fisherの線形判別分析法
8章 サポートベクターマシン
8.1 ハードマージン SVM
8.2 ソフトマージン SVM
8.3 scikit-learn による SVM の実装
8.4 カーネル SVM
9章 パーセプトロンとロジスティック回帰
9.1 パーセプトロン
9.2 ロジスティック回帰
10章 多層ニューラルネットワーク
10.1 多層ニューラルネットワーク
10.2 誤差逆伝播法
10.3 多層ニューラルネットワークの実装
11章 深層学習
11.1 勾配消失
11.2 ReLU関数
11.3 scikit-learnによる多層ニューラルネットワークの実装
12章 畳み込みニューラルネットワーク
12.1 畳み込みニューラルネットワーク（CNN）
12.2 TensorFlowによる多層ニューラルネットワークの実装
12.3 TensorFlowによる CNN の実装
A Google Colaboratory
A.1 Google Colaboratory
A.2 Google Colaboratory の始め方
A.3 Google Colaboratory の環境
A.4 Google Colaboratory の制約
B Python入門
B.1 条件分岐と繰り返し
B.2 データ型
B.3 データ構造
B.4 NumPy ndarray