入門 機械学習

[cover photo]
TOPICS
Programming , Data Science , Database , R
発行年月日
PRINT LENGTH
344
ISBN
978-4-87311-594-8
原書
Machine Learning for Hackers
FORMAT
PDF
Ebook
3,520円
Ebookを購入する

本書はプログラミングの素養がある読者向けに、数学的・理論的な知識が必要なくても読めるよう、理論より実践に重きを置いて書かれた機械学習の入門書です。難しい理論的な解説はできるだけ避け、実際のテクニックを詳述する、プログラマの視点に立ったプログラマ向けの内容です。大規模データの処理に威力を発揮する機械学習の実践的な知識とテクニックを習得したいと考えるプログラマに最適の一冊です。

関連ファイル

正誤表

ここで紹介する正誤表には、書籍発行後に気づいた誤植や更新された情報を掲載しています。以下のリストに記載の年月は、正誤表を作成し、増刷書籍を印刷した月です。お手持ちの書籍では、すでに修正が施されている場合がありますので、書籍最終ページの奥付でお手持ちの書籍の刷版、刷り年月日をご確認の上、ご利用ください。

第1刷正誤表

1刷正誤表

入門 機械学習 第1刷正誤表

2013年1月18日更新

位置
p.86
3行目
all.spam <- sapply(spam.docs, function(p) get.msg(paste(spam.path,p,sep=""))) all.spam <- sapply(spam.docs, function(p) get.msg(paste(spam.path,p,sep="/")))

目次

目次
訳者まえがき
はじめに

1章  Rを利用する
    1.1 機械学習のためのR
        1.1.1 Rのダウンロードとインストール
        1.1.2 IDEとテキストエディタ
        1.1.3 Rパッケージの読み込みとインストール
        1.1.4 機械学習のためのRの基礎知識
        1.1.5 Rに関する情報

2章 データの調査
    2.1 探索と確証
    2.2 データとは何か?
    2.3 データ内の列の型を推論する
    2.4 意味推論
    2.5 数値による要約
    2.6 平均値、中央値、最頻値
    2.7 分位数
    2.8 標準偏差と分散
    2.9 探索的データの可視化
    2.10 複数の列の関係の可視化

3章 分類:スパムフィルタ
    3.1 白か黒か?二値分類
    3.2 やさしい条件付き確率入門
    3.3 初めてのベイズスパム分類器を書く
        3.3.1 分類器を定義し、非スパム(難)でテストする
        3.3.2 分類器をすべての種類の電子メールに対してテストする
        3.3.3 結果を改善する

4章 順位付け:優先トレイ
    4.1 並び順のわからないものをソートするには?
    4.2 電子メールメッセージの優先度による並べ替え
        4.2.1 電子メールの優先度の素性
    4.3 優先トレイの実装
        4.3.1 素性を抜き出すための関数群
        4.3.2 順位付けのための重み付け方式の設計
        4.3.3 電子メールのスレッド活動量を重み付けする
        4.3.4 順位付けの訓練と検証

5章 回帰:ページビューの予測
    5.1 回帰分析入門
        5.1.1 ベースラインモデル
        5.1.2 ダミー変数を使った回帰
        5.1.3 線形回帰入門
    5.2 ウェブのアクセス数を予測する
    5.3 相関を定義する

6章 正則化:テキスト回帰
    6.1 列の非線形関係:直線の先にあるもの
        6.1.1 多項式回帰の紹介
    6.2 過学習を防ぐ方法
        6.2.1 正則化を用いて過学習を防ぐ
    6.3 テキスト回帰
        6.3.1 救いの手、ロジスティック回帰

7章 最適化:暗号解読
    7.1 最適化入門
    7.2 リッジ回帰
    7.3 最適化としての暗号解読

8章  PCA:株式市場指標の作成
    8.1 教師なし学習

9章  MDS:米国上院議員の類似度の視覚的な調査
    9.1 類似度に基づいたクラスタリング
        9.1.1 距離尺度と多次元尺度構成法の概要
    9.2 米国上院議員はどのようにクラスタリングされるか?
        9.2.1 米国上院議員点呼投票データの分析(第101議会〜第111議会)

10章  k近傍法:推薦システム
    10.1 k近傍法のアルゴリズム
    10.2 Rパッケージのインストールデータ

11章 ソーシャルグラフの分析
    11.1 ソーシャルネットワーク分析
        11.1.1 グラフを使って考える
    11.2 ツイッターのソーシャルグラフデータの調査
        11.2.1 GoogleSocialGraphAPIの利用
    11.3 ツイッターネットワークの分析
        11.3.1 ローカルコミュニティ構造
        11.3.2 クラスタリングされたツイッターネットワークのGephiでの可視化
        11.3.3 独自の「フォローすべき人」エンジンの構築

12章 モデル比較
    12.1 SVM:サポートベクターマシン
    12.2 アルゴリズムを比較する

引用文献
索引