新刊

Pythonで理解する決定木・アンサンブル学習数理の基礎とアルゴリズム

試し読み

著者: 田村孝廣著

決定木・アンサンブル学習の理論と実践の基礎・基本が，この一冊で学べる！

　本書は、データ分析で広く応用されている機械学習アルゴリズムである、決定木およびアンサンブル学習について、その数理と応用を解説するものです。
　データの分類ルールを木構造で表現するモデルである決定木は、分類の条件が明確に示されることから、人工知能（AI）における解釈可能アプローチの一つとしても活用されています。また、複数の決定木の組合せ（アンサンブル学習）により、高精度な予測が可能となります。本書では、決定木およびアンサンブル学習の数理とアルゴリズムを基礎からていねいに解説するとともに、応用を念頭にPythonのサンプルコードを通して具体例も扱います。また、数学でつまずくことのないよう、理解に必要となる高校程度以上の数学は本書で解説しています。

本書のサポートページ外部リンク

このような方におすすめ

○マーケティングや意思決定などに向けてデータ分析業務に携わる若手社会人
○主に理工系・情報系の学生

初級

書籍詳細
目次
ダウンロード
正誤表

書籍詳細

定価: 3,300円（本体3,000円＋税）
頁: 320頁
発売日: 2026/04/28
ISBN: 978-4-274-23472-9
判型: A5
発行元: オーム社

書籍カテゴリ: 情報・ネットワーク・コンピュータ

システム応用

データサイエンス

第1章　はじめに
1.1　人工知能と機械学習
1.2　機械学習モデル
1.3　機械学習モデルの作りかた
1.4　決定木の概要

第2章　数学の基礎
2.1　数列
2.2　ベクトル
2.3　関数
2.4　微分
2.5　積分
2.6　確率・統計の基礎
2.7　情報理論の基礎

第3章　決定木の理論とアルゴリズム
3.1　決定木の基礎
3.2　決定木の作り方
3.3　決定木の評価方法
3.4　決定木のアルゴリズム
3.5　決定木の長所と問題点

第4章　アンサンブル学習の基礎
5.1　回帰モデルにおけるバイアスとバリアンス
5.2　分類モデルにおけるバイアスとバリアンス
5.3　アンサンブル学習による性能向上のしくみ
5.4　アンサンブル学習のアルゴリズム

第5章　ランダムフォレスト
5.1　ランダムフォレストとは何か
5.2　ランダムフォレストによる回帰のアルゴリズム
5.3　ランダムフォレストによる分類のアルゴリズム
5.4　Pythonでランダムフォレスト

第6章　勾配ブースティング
6.1　勾配ブースティングとは何か
6.2　勾配ブースティングによる回帰のアルゴリズム
6.3　勾配ブースティングによる分類のアルゴリズム
6.4　Pythonで勾配ブースティング

第7章　XGBoost
7.1　XGBoostとは何か
7.2　XGBoostによる回帰のアルゴリズム
7.3　XGBoostによる分類のアルゴリズム
7.4　PythonでXGBoost

第8章　LightGBM
8.1　LightGBMとは何か
8.2　LightGBMによる回帰のアルゴリズム
8.3　LightGBMによる分類のアルゴリズム
8.4　PythonでLightGBM

付録　Pythonの基礎
A.1　開発環境Colab
A.2　Python文法の要点
A.3　Pythonライブラリ群