見て試してわかる機械学習アルゴリズムの仕組み 機械学習図鑑
翔泳社
著者：秋庭伸也、杉山阿聖、寺田学、加藤公一
72頁
はじめに
対象読者
本書の読み方
数式や記号について
本書のサンプルについて
第1章 機械学習の基礎
1.1 機械学習の概要
機械学習とは
機械学習の種類
機械学習の応用
1.2 機械学習に必要なステップ
データの重要性
教師あり学習（分類）の例
実装方法
教師なし学習（クラスタリング）の例
可視化
グラフの種類と書き方：Matplotlibを用いたグラフの表示方法
pandasを使ったデータの理解と加工
この章のまとめ
第2章 教師あり学習
01 線形回帰
概要
アルゴリズム
詳細
02 正則化
概要
アルゴリズム
詳細
03 ロジスティック回帰
概要
アルゴリズム
詳細
04 サポートベクトルマシン
概要
アルゴリズム
詳細
05 サポートベクトルマシン（カーネル法）
概要
アルゴリズム
詳細
06 ナイーブベイズ
概要
アルゴリズム
詳細
07 ランダムフォレスト
概要
アルゴリズム
詳細
08 ニューラルネットワーク
概要
アルゴリズム
詳細
09 kNN
概要
アルゴリズム
詳細
第3章 教師なし学習
10 PCA
概要
アルゴリズム
詳細
11 LSA
概要
アルゴリズム
詳細
12 NMF
概要
アルゴリズム
詳細
13 LDA
概要
アルゴリズム
詳細
14 k-means法
概要
アルゴリズム
詳細
15 混合ガウス分布
概要
アルゴリズム
詳細
16 LLE
概要
アルゴリズム
詳細
17 t-SNE
概要
アルゴリズム
詳細
第4章 評価方法および各種データの扱い
4.1 評価方法
教師あり学習の評価
分類問題における評価方法
回帰問題における評価方法
平均二乗誤差と決定係数の指標の違い
異なるアルゴリズムを利用した場合との比較
ハイパーパラメータの設定
モデルの過学習
過学習を防ぐ方法
学習データと検証データに分割
交差検証（クロスバリデーション）
ハイパーパラメータの探索
4.2 文書データの変換処理
単語カウントによる変換
tf-idfによる変換
機械学習モデルへの適用
4.3 画像データの変換処理
ピクセルの情報をそのまま数値として利用する
変換後のベクトルデータを入力として機械学習モデルを適用する
第5章 環境構築
5.1 Python3のインストール
Windows
macOS
Linux系
Anacondaを使いWindowsにインストール
5.2 仮想環境
公式インストーラの場合
Anacondaインストーラの場合
5.3 パッケージインストール
サードパーティ製パッケージとは
インストールするパッケージ
参考文献
索引