Pythonではじめるマテリアルズインフォマティクス Ver.1.1

  • Pythonではじめるマテリアルズインフォマティクス Ver.1.1
  • Pythonではじめるマテリアルズインフォマティクス Ver.1.1
ページ数
191p
ISBN
978-4-7649-0684-6

¥3,300 税込

15 nanacoポイント

15 セブンマイル

セブン-イレブン受取り(送料無料)

発送目安

発売日(発売日以降は当日)~2日で発送

宅配(送料¥550税込)

発送目安

発売日(発売日以降は当日)~2日で発送

交通状況・天候の影響や注文が集中した場合等、お届けにお時間をいただく場合がございます。

商品説明

本書はPythonを使ったマテリアルズインフォマティクスの方法を習得するため、1.scikit-learnの使い方を学ぶ、2.プログラミングによるデータ解析手法を知る、3.帰納法の考え方に慣れる、という三つの目的から構成されています。データ解析学で用いるアルゴリズムは各データを記述する変数の数が等しい(等長説明変数)と仮定しているため、マテリアルズインフォマティクスの世界では苦戦する場面が少なくありません。そこで物質ごとに収集できる変数の数が異なる(非等長説明変数)場合のデータ解析の仕方を紹介しており、基礎から実践までをじっくりと理解できる内容となっています。

目次

第1章 理論編
1.1 予測問題
1.2 データ解析学手法の紹介
1.3 回帰・分類モデルの性能評価
1.4 データ解析学手法の四過程
1.5 説明変数の特徴の見い出し方
1.6 予測問題(再び)
1.7 新帰納法の世界
1.8 新帰納法のフローチャート

第2章 準備編
2.1 可視化可能なPythonインタラクティブ環境
2.2 Python環境のインストール
2.3 サンプルスクリプトとデータファイルの取得とインストール
2.4 物質データ
2.5 事前準備

第3章 基礎編
3.1 はじめに
3.2 回帰
3.3 次元圧縮
3.4 分類
3.5 クラスタリング

第4章 応用編1(等長説明変数)
4.1 はじめに
4.2 次元圧縮を併用したクラスタリング
4.3 トモグラフ像の復元
4.4 説明変数重要性の定量評価
4.5 モデル全探索による回帰モデル評価
4.6 ベイズ最適化
4.7 次元圧縮を利用した推薦システム

第5章 応用編2(非等長説明変数)
5.1 はじめに
5.2 頻出パターンマイニング
5.3 証拠理論

付録A

商品詳細

出版社名
近代科学社Digital
サイズ
26cm
対象年齢
一般
フォーマット
単行本

注意事項

本の帯に関して
帯つきでの出荷はお約束しておりません。
商品ページに、帯のみに付与される特典物等の表記がある場合でも、確実に帯つきでの出荷はお約束しておりません。
また、帯は商品の一部ではなく「広告扱い」のため、帯の有無・破損による交換や返品は承っておりません。
版・表紙について
版・表紙(カバー)のご指定は承っておりません。ご注文いただくタイミングによっては、お届けする商品の版や表紙が商品ページ上のものとは異なる場合がございます。
また、初版にのみにお付けしている特典(初回特典、初回仕様特典)がある商品は、商品ページに特典の表記がされている場合でも、無くなり次第終了となります。