6ステップでマスターする機械学習 Pythonによる丁寧な実践ハンズオン

Manohar Swamynathan(著者), 菊地弘晶(訳者), 竹之内隆夫(訳者), 新田慧(訳者), 兼村厚範(訳者)

• 販売会社／発売会社: 共立出版
• 発売年月日: 2022/10/25
• JAN: 9784320124943

商品レビュー

2023/05/22

比較的コードが多く載っているので購入♪
Pythonの使い方から機械学習のためのデータ前処理など、コードと共に幅広くまとまっているので職場で重宝することを願いたい。

2023/05/03

※ 出版社さんよりいただきました，また，著者と面識がありますことご承知おきください．

著者はビジネス系のデータ分析実務に携わっており，データベースに溜まる構造化データを中心とした分析を対象にしている．

6ステップとあるが，6章立てになっているという意味で，そこそこ分量がある．1章のPython言語の説明は，オールインワンでという意図だろうが，さすがに1章だけでは無理があり，Python言語自体の本で学んだ方がよいと思う．6章の深層学習はごく簡単にふれているだけにとどまっているので，この部分を目当てに本書を参照しない方がよいと思う．これらの点で★を一つ差し引く．あと，5章のテキストマイニングは word2vec までの内容だが，英語が対象なので使いにくいだろう．

悪いところから書いてしまったが，ビジネス系分析の経験が 2〜4章には詰まっており，著者の本領が発揮されていると思う．出てきた結果が信頼に足るかを検証する手順を丁寧に示している点は優れていると思う．

2章『機械学習入門』の前半は，統計，機械学習，データ分析の発展の歴史である．ただ流行った用語を羅列するのではなく，きちんと初出の文献を紹介しており，著者の見識が窺える．後半は，NumPy，Pandas，matplotlib の基本的な使い方で，ここはマニュアルの内容で特徴はない．

3章『機械学習の基礎』は，Stevensの尺度水準から始めていて，背後にある理論的な側面は，手法の選択などに効いてきたりするため重視しているのだろう．そのあと，データにある欠損値やはずれ値の処理について述べており，いきなり学習器に入力できるようなきれいなデータは実際にはないという実務経験が反映されていそうだ．このあとは，回帰などの統計的予測モデルと，決定木やSVMなどの基礎的な機械学習手法の説明である．ここでも，過学習，擬相関，多重共線性といった，分析結果の信頼性にかかわる項目と，その使い方を述べているのはよいと思う．

4章『モデルの診断とチューニング』の最初に，よく見過ごされがちなクラス不均衡問題を扱っている．その他，バイアス-バリアンスや交差検証にふれ，モデルを信頼できるように検証することの重要性が示されていると思う．その後は，構造化データでは協力なアンサンブル学習の手法が一通り紹介される．最後の超パラメータ調整のところはややあっさりとしている．