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。

新規会員70%OFFクーポン

目次

Python機械学習ライブラリ scikit-learn活用レシピ80+

  • Julian Avila / Trent Hauck / 株式会社クイープ
    表紙
    商標/サンプルコード/正誤表
    口絵
    著者紹介
    レビュー担当者紹介
    謝辞
    はじめに
    本書の内容
    本書の対象読者
    本書の表記
    サンプルコードのダウンロード
    第1章 機械学習の枠組みを理解する―NumPyからパイプラインまで/1.1 はじめに
    1.2 NumPyの基礎<Recipe 1>
    1.3 Irisデータセットを読み込む<Recipe 2>
    1.4 Irisデータセットを可視化する<Recipe 3>
    1.5 Irisデータセットをpandasで可視化する<Recipe 4>
    1.6 NumPyとmatplotlibを使ってプロットする<Recipe 5>
    1.7 最も小さな機械学習レシピ:SVM分類<Recipe 6>
    1.8 交差検証の紹介<Recipe 7>
    1.9 すべてを1つにまとめる<Recipe 8>
    1.10 機械学習のオーバービュー:分類と回帰<Recipe 9>
    第2章 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/2.1 はじめに
    2.2 簡単な分析を行うためのサンプルデータを作成する<Recipe 10>
    2.3 標準正規分布の尺度でデータをスケーリングする<Recipe 11>
    2.4 しきい値化を通じて二値の特徴量を作成する<Recipe 12>
    2.5 カテゴリ値の変数を操作する<Recipe 13>
    2.6 さまざまな戦略を使って欠測値を補完する<Recipe 14>
    2.7 外れ値が存在する状況での線形モデル<Recipe 15>
    2.8 パイプラインを使ってすべてを1つにまとめる<Recipe 16>
    2.9 回帰にガウス過程を使用する<Recipe 17>
    2.10 回帰に確率的勾配降下法を使用する<Recipe 18>
    第3章 次元削減―PCAから性能テストまで/3.1 はじめに
    3.2 PCAによる次元削減<Recipe 19>
    3.3 分解に因子分析を使用する<Recipe 20>
    3.4 非線形次元削減にカーネルPCAを使用する<Recipe 21>
    3.5 次元削減にTSVDを使用する<Recipe 22>
    3.6 分類のための分解にDictionary Learningを使用する<Recipe 23>
    3.7 次元削減に多様体を使用する:t-SNE<Recipe 24>
    3.8 次元削減法をパイプラインでテストする<Recipe 25>
    第4章 線形モデル―線形回帰からLARSまで/4.1 はじめに
    4.2 直線をデータに適合させる<Recipe 26>
    4.3 機械学習を使って直線をデータに適合させる<Recipe 27>
    4.4 線形回帰モデルを評価する<Recipe 28>
    4.5 リッジ回帰を使って線形回帰の欠点を克服する<Recipe 29>
    4.6 リッジ回帰のパラメータを最適化する<Recipe 30>
    4.7 疎性を使ってモデルを正則化する<Recipe 31>
    4.8 LARSによる正則化へのより基本的なアプローチ<Recipe 32>
    第5章 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
    5.1 はじめに/5.2 UCI Machine Learning Repositoryからデータを読み込む<Recipe 33>
    5.3 pandasを使ってPima Indians Diabetesデータセットを可視化する<Recipe 34>
    5.4 UCI Machine Learning RepositoryのWebページを調べる<Recipe 35>
    5.5 ロジスティック回帰による機械学習<Recipe 36>
    5.6 混同行列を使ってロジスティック回帰の誤分類を調べる<Recipe 37>
    5.7 ロジスティック回帰で分類のしきい値を変化させる<Recipe 38>
    5.8 ROC分析<Recipe 39>
    5.9 コンテキストなしでROC曲線をプロットする<Recipe 40>
    5.10 データセットの読み込みからROC曲線のプロットまでを1つにまとめる:UCI Breast Cancerデータセット<Recipe 41>
    ほか

本の通販連携サービス

このページの先頭へ

×

hontoからおトクな情報をお届けします!

割引きクーポンや人気の特集ページ、ほしい本の値下げ情報などをプッシュ通知でいち早くお届けします。