実務で役立つPython機械学習入門 課題解決のためのデータ分析の基礎(池田 雄太郎 田尻 俊宗 新保 雄大)|翔泳社の本
  1. ホーム >
  2. 書籍 >
  3. 実務で役立つPython機械学習入門 課題解決のためのデータ分析の基礎

実務で役立つPython機械学習入門 課題解決のためのデータ分析の基礎




形式:
書籍
発売日:
ISBN:
9784798163406
定価:
3,300(本体3,000円+税10%)
仕様:
B5変・304ページ
カテゴリ:
プログラミング・開発
キーワード:
#プログラミング,#開発環境,#開発手法,#Web・アプリ開発
紙の書籍

身近な課題を解決しながら機械学習を基礎からしっかり理解できる!

■商品紹介
本書はPythonを利用して、実際の課題を機械学習で解決する手法を解説する書籍です。手を動かしながら、データ分析やアルゴリズムについて学ぶことができます。本書では「1.課題分析」「2.データ分析」「3.予測」の3ステップで課題解決を行っていきます。

■本書の特徴
1.現実的な場面を想定した解説
本書では、現実的な場面を想定して「課題」を設定し、それを機械学習で解決する方法を解説します。課題からアルゴリズムを選定し、プロジェクトをどのように動かしていくのかを学べます。
2.機械学習に最適なアルゴリズムを学べる
本書は、機械学習に用いるアルゴリズムを実例を通じて学べます。身近なビジネス課題を解決するために、どういったアルゴリズムを用いれば良いか、体系的に理解できます。

■こんな方のための本です
・Pythonの学習をある程度終えて、これから機械学習に対する勉強をしてみたい、一歩を踏み出してみたい方
・業務や個人のプロジェクトで機械学習を使ってみたい方
・教科書的な勉強だけでなく、実際に手を動かしながら学びたい方

■目次
Chapter1 機械学習をはじめる前に
Chapter2 まずは基本を押さえよう
2-1 Chapter2について
2-2 回帰アルゴリズム:不動産価格を予測しよう
2-3 分類アルゴリズム:社員の退職を予測しよう
Chapter3 さまざまなアルゴリズムを体験しよう
3-1 Chapter3について
3-2 時系列予測アルゴリズム:商品の売上を予測しよう
3-3 レコメンドアルゴリズム:個人の趣向に沿った商品をオススメしてみよう
3-4 異常検知アルゴリズム:ポンプの故障を検知しよう
Chapter4 さまざまなデータを取り扱ってみよう
4-1 Chapter4について
4-2 テキストデータ:商品の口コミを分析してみよう
4-3 画像データ:画像を識別してみよう
Chapter5 一つひとつのプロセスを深堀りしてみよう
5.1 Chapter5について
5.2 データ観察
5.3 特徴量生成・学習
5.4 機械学習アルゴリズムと評価指標の選定
5.5 機械学習モデルの学習と選択
Chapter6 モデルを運用してみよう
6-1 機械学習モデルを運用してみよう
6-2 バッチ予測をしよう
6-3 リアルタイム予測をしよう

画像01

Chapter1 機械学習をはじめる前に
1-1 機械学習とは何か
1-2 機械学習プロジェクトの流れ
Chapter2 まずは基本を押さえよう
2-1 Chapter2について
2-2 回帰アルゴリズム:不動産価格を予測しよう
2-3 分類アルゴリズム:社員の退職を予測しよう
Chapter3 さまざまなアルゴリズムを体験しよう
3-1 Chapter3について
3-2 時系列予測アルゴリズム:商品の売上を予測しよう
3-3 レコメンドアルゴリズム:個人の趣向に沿った商品をオススメしてみよう
3-4 異常検知アルゴリズム:ポンプの故障を検知しよう
Chapter4 さまざまなデータを取り扱ってみよう
4-1 Chapter4について
4-2 テキストデータ:商品の口コミを分析してみよう
4-3 画像データ:画像を識別してみよう
Chapter5 一つひとつのプロセスを深堀りしてみよう
5.1 Chapter5について
5.2 データ観察
5.3 特徴量生成・学習
5.4 機械学習アルゴリズムと評価指標の選定
5.5 機械学習モデルの学習と選択
Chapter6 モデルを運用してみよう
6-1 機械学習モデルを運用してみよう
6-2 バッチ予測をしよう
6-3 リアルタイム予測をしよう

付属データはこちら

会員特典はこちら

お問い合わせ

内容についてのお問い合わせは、正誤表、追加情報をご確認後に、お送りいただくようお願いいたします。

正誤表、追加情報に掲載されていない書籍内容へのお問い合わせや
その他書籍に関するお問い合わせは、書籍のお問い合わせフォームからお送りください。

利用許諾に関するお問い合わせ

本書の書影(表紙画像)をご利用になりたい場合は書影許諾申請フォームから申請をお願いいたします。
書影(表紙画像)以外のご利用については、こちらからお問い合わせください。

  • pandas2.0.0のアップデートに伴う追加情報

    pandasの2.0.0がリリースされて、該当のメソッド(iteritems)が削除されたことにより、コードに修正が必要です。

    P165のコードブロック内、1行目を以下のコードに修正くださいませ。

    ```
    for _, sentence in df['Sentence'].items():
    ```
この商品の「よくある質問」はありません。

ご購入いただいた書籍の種類を選択してください。

書籍の刷数を選択してください。

刷数は奥付(書籍の最終ページ)に記載されています。

現在表示されている正誤表の対象書籍

書籍の種類:

書籍の刷数:

本書に誤りまたは不十分な記述がありました。下記のとおり訂正し、お詫び申し上げます。

対象の書籍は正誤表がありません。

最終更新日:2024年02月08日
発生刷 ページ数 書籍改訂刷 電子書籍訂正 内容 登録日
1刷 010
見出し下、本文1行目
見出しの下に以下の文を追記します。
本書では、紙面の都合上、書籍本体の中では紹介しきれなかった「機械学習パイプライン」を会員特典としてPDF形式で提供しています。

会員特典は以下のURLからダウンロードできます。
https://www.shoeisha.co.jp/book/present/9784798163406
2023.11.15
1刷 051
「2. 特徴量と正解データの設定」に掲載のコード 2行目
target_col = rent_price
target_col = 'rent_price'

シングルクォーテーション(')の追加
2023.11.30
1刷 056
ページ上部に掲載のコード「# 先頭を表示」の下
df_pred.head()
X_pred.head()

df → X
2023.11.30
1刷 063
「# 使いたい特徴量」の下のコード 2行目
monthly_income
income

64ページ
「# 使いたい特徴量」の下のコードの2行目も同様に修正します。
2023.12.19
1刷 067
「#予測を行う」の下のコード
X_pred["pred_leaving"] = model.predict(X_pred)
df_pred["pred_leaving"] = model.predict(X_pred)

2023.12.20 内容更新
2023.12.19
1刷 085
「機械学習モデルを使った予測」に掲載しているコード
import matplotlib.pyplot as plt prediction = model.predict(30) # 30日後まで予測 series[-60:].plot() prediction.plot(label="forecast") plt.legend()
import matplotlib.pyplot as plt model = ExponentialSmoothing() model.fit(series) prediction = model.predict(30) series.plot() prediction.plot(label="forecast") plt.legend()
2024.01.11
1刷 096
青い枠内のコード 1行目
from surprise import Dataset
from surprise import Dataset, Reader

, Reader の追加
2023.12.07
1刷 101
下から8行目
test_pred = algo.test(test)
test_pred = model.test(test)

リフローEPUBの場合Chapter3 Section 3-3のフェーズB「機械学習モデルを使った予測」内に該当箇所があります。
2024.02.08
1刷 166
「機械学習モデルの評価」に掲載しているコード
clf.score(X_train,y_train) # 0.9978333333333333 clf.score(X_test,y_test) # 0.732
estimator.score(X_train, y_train) # 0.9978333333333333 estimator.score(X_test, y_test) # 0.732
2023.12.19
1刷 167
「機械学習モデルを使った予測」に掲載しているコード
input_data = "体調が悪い" doc = nlp(input_data) y_pred = model.predict([doc.vector])[0] print(f"{y_pred}です。") input_data = "この商品はおすすめです" doc = nlp(input_data) y_pred = model.predict([doc.vector])[0] print(f"{y_pred}です。")
input_data = "体調が悪い" doc = nlp(input_data) y_pred = estimator.predict([doc.vector])[0] print(f"{y_pred}です。") input_data = "この商品はおすすめです" doc = nlp(input_data) y_pred = estimator.predict([doc.vector])[0] print(f"{y_pred}です。")
2023.12.19