Pythonによる機械学習入門

詳細目次

第1部　導入編
　第1章　はじめに
　1.1 機械学習とは
　1.2 Python と機械学習
　1.3 インストール＆セットアップ
　1.4 Python 早分かり — NumPy とmatplotlib
　1.5 クイックツアー
　　小話 深層学習って何だ？
　第2 章　機械学習の様々な側面 33
　2.1 機械学習をとりまく環境.. 33
　2.2 関連分野. 34
　2.3 学習法による分類. 35
　2.4 手法や課題設定による分類. 36
　2.5 応用例. 37
第2部　基礎編
　第3章　分類問題
　3.1 分類問題とは
　3.2 最初の分類器
　3.3 学習データとテストデータ
　　ミニ知識 色々な用語 —学習・訓練・教師 vs テスト・評価・バリデート・検証
　　ミニ知識 k- 分割交差検証
　3.4 分類器の性能を評価しよう
　　ミニ知識 正答率（Accuracy）と適合率（Precision）
　　ミニ知識 色々な平均.調和平均・算術平均・幾何平均
　3.5 色々な分類器
　3.6 まとめ
　第4章　回帰問題
　4.1 回帰問題とその分類
　4.2 最初の回帰 — 最小二乗法と評価方法
　4.3 機械学習における鬼門 — 過学習
　4.4 過学習への対応 — 罰則付き回帰
　4.5 様々な回帰モデル
　4.6 まとめ
　第5章　クラスタリング
　5.1 iris データセット
　　ミニ知識 フィッシャーのあやめ
　5.2 代表的なクラスタリング手法 — k-means
　5.3 その他のクラスタリング手法
　5.4 まとめ
第3部　実戦編
　第6章　画像による手形状分類
　6.1 課題の設定
　6.2 最初の学習
　6.3 汎化性能を求めて — 人を増やしてみる
　6.4 さらに人数を増やしてみる
　　ミニ知識 学習データに含める人数について
　6.5 データの精査と洗浄 — データクレンジング
　6.6 特徴量の導入
　6.7 パラメータチューニング
　6.8 まとめ
　第7章　センサデータによる回帰問題
　7.1 はじめに
　7.2 準備
　7.3 センサデータの概要
　7.4 データの読み込み
　7.5 高松の気温データと四国電力の消費量
　7.6 もっと色々、そしてまとめ
　7.7 終わりに
第4部　付録
　付録A　Python で作る機械学習
　A.1 この付録の目的
　A.2 最小二乗法
　A.3 行列計算による解析解の導出
　A.4 反復法
　A.5 コードを書く前に
　A.6 実装例
　付録B　線形代数のおさらいと代表的な非線形モデル
　B.1 この付録の目的
　B.2 そもそも「線形」とは
　B.3 線形変換とアフィン変換
　B.4 ノルムと罰則項
　B.5 線形回帰の最小二乗解を考える
　B.6 機械学習における「非線形」