本文へスキップします。

【参】モーダルJS:読み込み
書籍DB:詳細

Rで学ぶデータサイエンス データマイニングの基礎から深層学習まで

Rで学ぶデータサイエンス データマイニングの基礎から深層学習まで

  • 著者北 栄輔
  • 定価2,700円 (本体2,500円+税)
  • 判型A5
  • 224頁
  • ISBN978-4-274-22254-2
  • 発売日2018/07/26
  • 発行元オーム社

主要なデータマイニング手法の理論の基礎を学べる!!

 データマイニングとは,玉石混淆であるたくさんのデータから必要な情報を読み出す作業です。データマイニングの手法として理解しておく必要があるものには,比較的基本的な知識である回帰分析、主成分分析、判別分析等からクラスタリング、サポートベクターマシン(SVM)、ベイズ推定、ニューラルネットワークなどがあります。最近ではこれらの応用として、深層学習等についても解説します。
まえがき

第I部 多変量解析
第1章 データマイニング
1.1 データマイニングとは
1.2 多変量解析の考え方
1.3 第I部の読み方
第2章 回帰分析
2.1 回帰分析とは
2.2 あてはめ精度の評価方法.
2.3 例題
2.4 問題
第3章 主成分分析
3.1 主成分分析とは
3.2 例題
3.3 問題
第4章 判別分析
4.1 判別分析とは
4.2 線形判別
4.3 非線形判別
4.4 例題
4.5 問題
第5章 クラスタリング
5.1 クラスタリングとは
5.2 階層的クラスタリング
5.3 k 平均法
5.4 例題
5.5 問題

第II部 機械学習
第6章 機械学習
6.1 機械学習とは
6.2 人工知能と機械学習
6.3 機械学習と深層学習
第7章 ニューラルネットワーク
7.1 ニューラルネットワークとは
7.2 例題1(判別分析)
7.3 例題2(回帰分析)
7.4 問題
第8章 サポートベクターマシン(SVM)
8.1 サポートベクターマシンとは
8.2 例題1(判別分析)
8.3 例題2(回帰分析)
8.4 問題
第9章 ベイズ推定
9.1 ナイーブベイズ分類器
9.2 例題
9.3 問題
第10章 自己組織化マップ1
10.1 自己組織化マップとは
10.2 例題
10.3 問題
第11章 決定木
11.1 決定木とランダムフォレスト
11.2 例題1(判別分析)
11.3 例題2(回帰分析)
11.4 問題
第12章 深層学習
12.1 深層学習とは
12.2 例題
12.3 問題
付 録部R の基礎及び解答
付録1 Windows 環境へのR のインストール
付録2 R の簡単な演算
付録3 問題の解答例

あとがき
参考文献
索 引

ここでは、本書で取り上げたサンプルプログラムとデータファイルを、圧縮ファイル(zip形式)で提供しています。圧縮ファイル(222542.zip:約25KB)をダウンロードし、解凍(フォルダ付き)してご利用ください。

  • 本ファイルは、本書をお買い求めになった方のみご利用いただけます。本書をよくお読みのうえ、ご利用ください。また、本ファイルの著作権は、本書の著作者である、北栄輔氏に帰属します。
  • 本ファイルを利用したことによる直接あるいは間接的な損害に関して、著作者およびオーム社はいっさいの責任を負いかねます。利用は利用者個人の責任において行ってください。また、ソフトウェアの動作・実行環境、操作についての質問には一切お答えすることはできません。