サイト内検索

詳細検索

ヘルプ

セーフサーチについて

性的・暴力的に過激な表現が含まれる作品の表示を調整できる機能です。
ご利用当初は「セーフサーチ」が「ON」に設定されており、性的・暴力的に過激な表現が含まれる作品の表示が制限されています。
全ての作品を表示するためには「OFF」にしてご覧ください。
※セーフサーチを「OFF」にすると、アダルト認証ページで「はい」を選択した状態になります。
※セーフサーチを「OFF」から「ON」に戻すと、次ページの表示もしくはページ更新後に認証が入ります。

12時 修正:20%OFFクーポン(1112-15)

【OP】集英社コミック1,000円OFFクーポン(4,500円以上で利用可)(~11/18)

目次

    表紙
    商標と正誤について
    はじめに
    本書について
    第1章 Rと機械学習の基礎
    1-1 機械学習とは何か?
    1-1-1 機械学習の4つのモデル
    1-1-2 機械学習活用 虎の巻
    1-1-3 モデルの組み合わせによるデータ分析
    1-2 Rとは何か?/1-2-1 機械学習を実現するソフトウェア・プラットフォーム
    1-2-2 RとPythonの違い
    1-2-3 Rの限界
    1-3 Rのインストールと利用前の設定/1-3-1 Rのダウンロード
    1-3-2 Rのインストール
    1-3-3 Rの起動
    1-4 Rの基本的な利用方法/1-4-1 Rのコンソール
    1-4-2 変数の利用
    1-4-3 グラフの描画
    1-4-4 ファイルの読み込み
    1-4-5 変数の概要を把握する
    1-5 Rを使った統計量とデータの把握/1-5-1 平均・分散・標準偏差
    1-5-2 Rスクリプトの利用
    1-5-3 ヒストグラムを作成する
    1-5-4 正規分布の考え方
    1-5-5 t分布
    1-5-6 指数の表示
    1-5-7 Rの変数の型
    1-5-8 クロス集計
    1-6 第1章のまとめ:マスターすべきポイント
    1-6-1 [機械学習]次へのステップ
    コラム 統計本を読む3つのコツ
    第2章 回帰分析で目的変数の値や発生確率を予測
    2-1 単回帰分析/2-1-1 回帰分析の4つのステップ
    2-1-2 ステップ1:データの準備ならびに目的変数、説明変数の決定
    2-1-3 ステップ2:回帰モデルの生成ならびに結果の検討
    2-1-4 ステップ3:モデルをもとに値を予測する
    2-1-5 ステップ4:信頼区間と予測区間を求める
    2-2 重回帰分析
    2-2-1 相関行列をCSVに書き出す
    2-2-2 重回帰分析のモデル作成
    2-2-3 説明変数を減らすアプローチ
    2-3 ロジスティック回帰分析
    2-3-1 ロジスティック回帰モデルの作成
    2-3-2 ロジスティック回帰の結果の見方
    2-3-3 オッズ比の推定
    2-3-4 機械学習としてのロジスティック回帰
    2-3-5 誤検知率の算出
    2-3-6 AICによる説明変数の削除
    2-4 ポアソン回帰/2-4-1 ポアソン分布を求める
    2-4-2 ポアソン回帰とは?
    2-4-3 ポアソン回帰モデルの生成
    2-4-4 AICによる目的変数の削減
    2-5 第2章のまとめ:マスターすべきポイント
    2-5-1 [回帰分析]次へのステップ
    コラム 回帰分析の実際のビジネスへの応用
    第3章 クラスタリング分析の3つの手法でデータを分類
    3-1 クラスタリングの3つの手法
    3-2 階層化クラスタリング/3-2-1 ユークリッド距離で似た者同士をまとめる
    3-2-2 ユークリッド距離をもとにグループに分割
    3-2-3 クラスタリングの併合過程
    3-2-4 樹系図をプロットする
    3-2-5 クラスターの距離の計算
    3-2-6 各クラスターの形成過程
    3-2-7 完全連結法によるクラスタリング形成過程
    3-2-8 各計算手法による樹系図
    3-2-9 階層化クラスタリングのまとめ
    3-3 非階層化クラスタリングとk平均法/3-3-1 k平均法によるクラスター形成
    3-3-2 kmeansによるクラスタリング
    3-3-3 k平均法での結果のプロット
    3-3-4 ギャップ統計量で妥当なクラスター数を予測する
    3-3-5 機械学習としてのk平均法
    3-3-6 k平均法の実行とプロット
    3-3-7 シルエット分析
    3-3-8 k平均法のまとめ
    3-4 モデルベースクラスタリング/3-4-1 EMアルゴリズムについて
    3-4-2 モデルベースクラスタリングのまとめ
    3-5 第3章のまとめ:マスターすべきポイント
    3-5-1 [クラスタリング分析]次へのステップ
    コラム クラスタリングの応用
    第4章 主成分分析・因子分析で属性を削減し因子を特定
    4-1 主成分分析とは?/4-1-1 主成分分析のステップ
    4-1-2 機械学習としての主成分分析
    4-1-3 主成分分析のまとめ
    4-2 因子分析/4-2-1 固有値と固有ベクトルを求める
    4-2-2 factanalによる因子分析
    ほか