About this ebook
Pythonで機械学習のアルゴリズムを理解しよう！
Pythonでは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。
【目次】
1章 データに基づいた解析・機械学習とは
2章 データの標準化・主成分分析
3章 線形回帰
4章 過剰適合
5章 最尤推定法
6章 カーネル法
7章 線形判別
8章 サポートベクターマシン
9章 パーセプトロンとロジスティック回帰
10章 多層ニューラルネットワーク
11章 深層学習
12章 畳み込みニューラルネットワーク
A Google Colaboratory
B Python 入門
Pythonでは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。
【目次】
1章 データに基づいた解析・機械学習とは
2章 データの標準化・主成分分析
3章 線形回帰
4章 過剰適合
5章 最尤推定法
6章 カーネル法
7章 線形判別
8章 サポートベクターマシン
9章 パーセプトロンとロジスティック回帰
10章 多層ニューラルネットワーク
11章 深層学習
12章 畳み込みニューラルネットワーク
A Google Colaboratory
B Python 入門
About the author
神野 健哉
東京都市大学 知識工学部 教授
東京都市大学 知識工学部 教授
Reading information
Smartphones and tablets
Install the Google Play Books app for Android and iPad/iPhone. It syncs automatically with your account and allows you to read online or offline wherever you are.
Laptops and computers
You can listen to audiobooks purchased on Google Play using your computer's web browser.
eReaders and other devices
To read on e-ink devices like Kobo eReaders, you'll need to download a file and transfer it to your device. Follow the detailed Help Center instructions to transfer the files to supported eReaders.