内容紹介：Ｐｙｔｈｏｎを使った機械学習を行う上で役に立つ２１６のレシピを収録！堅調な第１版をアップデートした改訂版。Ｐｙｔｈｏｎによる機械学習を進める上で、頻繁に遭遇すると思われる２１６の問題とその解決策を紹介。データ構造、数値データ、カテゴリデータ、テキスト、画像、日時データの取り扱いといった基本から、特徴量抽出、次元削減、モデルの評価と選択、線形回帰、決定木、ランダムフォレスト、ｋ－最近傍法、ＳＶＭ、ナイーブベイズ、クラスタリング、ニューラルネットワークまで幅広い内容をカバー。改訂版ではＰｙＴｏｒｃｈと構造化されていないデータの章が新たに追加されました。「やりたいこと」「困っていること」に答えてくれる一冊です。
Ｐｙｔｈｏｎによる機械学習を行う上で、頻繁に遭遇すると思われる２１６の問題とその解決策を紹介します。データ構造、数値データ、カテゴリデータ、テキスト、画像、日時データの取り扱いといった基本から、特徴量抽出、次元削減、モデルの評価と選択、線形回帰、決定木、ランダムフォレスト、ｋ‐最近傍法、ＳＶＭ、ナイーブベイズ、クラスタリング、ニューラルネットワークまで幅広い内容をカバー。この改訂版では、最新のフレームワークに対応するとともに、ニューラルネットワーク関連の項目をＰｙＴｏｒｃｈベースで大幅に増量。「やりたいこと」「困っていること」に答えてくれる一冊です。
もくじ情報：ＮｕｍＰｙベクトル、行列、配列；データのロード；データラングリング；数値データの取り扱い；カテゴリデータの取り扱い；テキストの取り扱い；日時データの取り扱い；画像の取り扱い；特徴量抽出による次元削減；特徴量選択による次元削減；モデルの評価；モデル選択；線形回帰；決定木とフォレスト；ｋ‐最近傍法；ロジスティック回帰；サポートベクタマシン；ナイーブベイズ；クラスタリング；ＰｙＴｏｒｃｈのテンソルニュートラルネットワーク；非構造化データ向けのニュートラルネットワーク；訓練済みモデルのセーブとロード