ｓｃｉｋｉｔ‐ｌｅａｒｎ活用レシピ８０＋　Ｐｙｔｈｏｎ機械学習ライブラリ

一連の基本作法から、前処理、次元削減、線形モデル、交差検証、ＳＶＭ、アンサンブル、テキスト分析、多分類、ニューラルネットワークまで、各種テクニックを幅広く解説。

目次

機械学習の枠組みを理解する―ＮｕｍＰｙからパイプラインまで
モデル構築前のワークフローと前処理―サンプルデータの作成から確率的勾配降下法まで
次元削減―ＰＣＡから性能テストまで
線形モデル―線形回帰からＬＡＲＳまで
ロジスティック回帰―データの読み込みからパイプラインまで
距離指標を使ったモデルの構築―ｋ‐ｍｅａｎｓ法からｋ近傍法まで
交差検証とモデル構築後のワークフロー―モデルの選択から永続化まで
サポートベクトルマシン―線形ＳＶＭからサポートベクトル回帰まで
決定木アルゴリズムとアンサンブル学習
テキスト分類と多クラス分類
ニューラルネットワーク
単純な推定器の作成

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。