Rによる機械学習―R言語や数式の波に足元をすくわれることなく基礎知識の理解と習得を促進する 第3版 (Programmer's SELECTION) [単行本]

Rによる機械学習―R言語や数式の波に足元をすくわれることなく基礎知識の理解と習得を促進する 第3版 (Programmer's SELECTION) の 商品概要

• 要旨（「BOOK」データベースより）

  現代に必要な機械学習のすべてを、よりパワフルで使いやすくなったＲ言語で、実際に手を動かし確認しながら学べる一冊。

• 目次

  第1章　機械学習入門
  1.1　機械学習の起源
  1.2　機械学習の利用と乱用
  1.3　機械はどのように学習するか
  1.4　実際の機械学習
  1.5　Rによる機械学習
  1.6　まとめ
  
  第2章　データを管理し、理解する
  2.1　Rのデータ構造
  2.2　Rでのデータの管理
  2.3　データを調べて理解する
  2.4　まとめ
  
  第3章　怠惰学習―最近傍法を使った分類
  3.1　最近傍法分類を理解する
  3.2　例：k最近傍法を使って乳がんを診断する
  3.3　まとめ
  
  第4章　確率論的学習―ナイーブベイズを使った分類
  4.1　ナイーブベイズを理解する
  4.2　例：ナイーブベイズを使ってSMSスパムをフィルタリングする
  4.3　まとめ
  
  第5章　分割統治―決定木と分類ルールに基づく分類
  5.1　決定木を理解する
  5.2　例：C5.0の決定木を使ってあぶない融資を特定する
  5.3　分類ルールを理解する
  5.4　例：分類ルール学習器を使って毒キノコを識別する
  5.5　まとめ
  
  第6章　数値データを予測する―回帰法
  6.1　回帰を理解する
  6.2　例：線形回帰を使って医療費を予測する
  6.3　回帰木とモデル木を理解する
  6.4　例：回帰木とモデル木を使ってワインの品質を予測する
  6.5　まとめ
  
  第7章　ブラックボックス手法―ニューラルネットワークとサポートベクトルマシン
  7.1　ニューラルネットワークを理解する
  7.2　例：人工ニューラルネットワークを使ってコンクリートの強度をモデル化する
  7.3　サポートベクトルマシンを理解する
  7.4　例：SVMを使って文字を認識する
  7.5　まとめ
  
  第8章　パターン検出―相関ルールを使ったバスケット分析
  8.1　相関ルールを理解する
  8.2　例：相関ルールを使って頻繁に購入される商品を特定する
  8.3　まとめ
  
  第9章　データのグループを特定する―k-means法
  9.1　クラスタリングを理解する
  9.2　例：k-means法を使ってマーケティングセグメントを特定する
  9.3　まとめ
  
  第10章　モデルの性能を評価する
  10.1　分類の性能を計測する
  10.2　将来の性能を推定する
  10.3　まとめ
  
  第11章　モデルの性能を改善する
  11.1　定番のモデルの性能を向上させる
  11.2　メタ学習でモデルの性能を改善する
  11.3　まとめ
  
  第12章　機械学習の専門的なトピック
  12.1　現実のデータの管理と前処理
  12.2　オンラインデータとオンラインサービスの操作
  12.3　問題領域固有のデータを操作する
  12.4　Rの性能を向上させる
  12.5　まとめ
  
  

• 出版社からのコメント

  現代に必要な機械学習のすべてを、よりパワフルで使いやすくなったR言語で学べる質実ともに強力な1冊

• 内容紹介

  絶え間なく更新されるベストプラクティスが
  「ベスト」であり続けるための基礎技術のすべて
  
  【本書の内容】
  本書は
  Brett Lantz, "Machine Learning with R - Third Edition",
  Packt Publishing, 2019
  の邦訳版です。
  
  本書は「機械学習」で語られることの多い手法（最近傍法や回帰法、ナイーブベイズ
  や決定木を使った分類法）を網羅し、それぞれの意味や成立条件を解説します。
  といっても、ゴリゴリの数式だけを使うわけではなく、既存のデータを使用し、
  それら手法によって解析した結果、どのようなグラフが表示されるか、を
  手取り足取りで解説してくれます。
  ですから、機械学習を構成するさまざまな手法を、実際に使えるレベルで理解できる
  ようになります。
  そのため、自身が関わるプロジェクトにおいて、どの手法がベストプラクティスと
  なるのか、無意味な分析・解析を避ける勘所がわかるようになるでしょう。
  「機械学習」を学んだものの「もやもや」に付きまとわれているエンジニアに
  よく効く一冊です。
  
  【本書のポイント】
  ・「機械学習」と呼ばれる手法を網羅
  ・手法を構成する手続きやその前準備を微細に解説
  ・各手法のメリットとデメリットも紹介
  ・実際に手を動かすことで各種手法を正しく利用できるようになる
  
  【読者が得られること】
  ・機械学習とその派生手法のモデルを頭の中に構築できる
  ・機械学習を成立させるさまざまな手法に精通できる
  ・プロジェクトで真に必要な手法がわかる
  ・（ついでに）R言語（4.x系）も習得できる
  
  【著者について】
  ・Brett Lantz（ブレット・ランツ）
  社会学者として教育を受けた著者は、人間の行動を理解するために10年以上に
  わたってイノベーティブなデータ手法を活用してきた。
  DataCampの講師であり、世界中の機械学習カンファレンスやワークショップで
  たびたび講演を行っている。
  
  

• 著者紹介（「BOOK著者紹介情報」より）（本データはこの書籍が刊行された当時に掲載されていたものです）

  ランツ,ブレット(ランツ,ブレット／Lantz,Brett)
  社会学者。ＤａｔａＣａｍｐの講師であり、世界中の機械学習カンファレンスやワークショップでたびたび講演を行っている

Rによる機械学習―R言語や数式の波に足元をすくわれることなく基礎知識の理解と習得を促進する 第3版 (Programmer's SELECTION) の商品スペック