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。

最大50%OFFクーポン(~10/31)

修正:新規会員30%OFFクーポン(~9/30)

Kaggleで勝つデータ分析の技術
  • みんなの評価 5つ星のうち 未評価
  • あなたの評価 評価して"My本棚"に追加 評価ありがとうございます。×
  • カテゴリ:一般
  • 販売開始日:2019/10/09
  • 出版社: 技術評論社
  • ISBN:978-4-297-10843-4

読割 50

読割50とは?

読割50とは?

hontoネットストアおよび、丸善・ジュンク堂・文教堂の提携書店にて対象の紙書籍を購入すると、同一の電子書籍が紙書籍の購入から5年間、50%OFFで購入できるサービスです。
購入時点で電子書籍が未発売でも、紙書籍の購入時期にかかわらず、電子書籍の発売後5年間、50%OFFで購入できます。

または読割50のアイコンがついている商品が対象です。

一部、対象外の出版社・商品があります。商品ページでアイコンの有無をご確認ください。

  • ※ご利用には、honto会員登録が必要です。
  • ※書店店頭でのお買い物の際は、会計時にレジにてhontoカードをご提示ください。
  • ※hontoが提供するサービスで、販売価格の50%OFFを負担しています。

読割50について詳しく見る

一般書

電子書籍

Kaggleで勝つデータ分析の技術 新着

著者 門脇 大輔,阪田 隆司,保坂 桂佑,平松 雄司

(概要)データサイエンスの認知の高まりとともに,データ分析に関するコンペティションが多数開催されるようになってきました。最も有名なコンペティションプラットフォームであるK...

もっと見る

Kaggleで勝つデータ分析の技術

税込 3,608 32pt

電子書籍をカートに入れる

ワンステップ購入とは ワンステップ購入とは

ほしい本に追加(値下がりすると通知がきます)

ご利用中のデバイスが対応しているかご確認ください

  • iOS
  • Android
  • Win
  • Mac

対応デバイスごとのコンテンツタイプやファイルサイズヘルプ

対応デバイス毎のコンテンツタイプやファイルサイズ

対応デバイス コンテンツタイプ ファイルサイズ 閲覧期限
iOS EPUB 18.0MB 無制限
Android EPUB 18.0MB 無制限
Win EPUB 18.0MB 無制限
Mac EPUB 18.0MB 無制限

Kaggleで勝つデータ分析の技術

税込 3,608 32pt

予約購入とは

まだ販売されていない電子書籍の予約ができます。予約すると、販売開始日に自動的に決済されて本が読めます。

  • 商品は販売開始日にダウンロード可能となります。
  • 価格と販売開始日は変更となる可能性があります。
  • ポイント・クーポンはご利用いただけません。
  • 間違えて予約購入しても、予約一覧から簡単にキャンセルができます。
  • honto会員とクレジットカードの登録が必要です。未登録でも、ボタンを押せばスムーズにご案内します。

予約購入について詳しく見る

ワンステップ購入とは

ワンステップ購入とは、ボタンを1回押すだけでカートを通らずに電子書籍を購入できる機能です。

こんな方にオススメ

  • とにかくすぐ読みたい
  • 購入までの手間を省きたい
  • ポイント・クーポンはご利用いただけません。
  • 間違えて購入しても、完了ページもしくは購入履歴詳細から簡単にキャンセルができます。
  • 初めてのご利用でボタンを押すと会員登録(無料)をご案内します。購入する場合はクレジットカード登録までご案内します。

キャンセルについて詳しく見る

あわせて読みたい本

この商品に興味のある人は、こんな商品にも興味があります。

前へ戻る

  • 対象はありません

次に進む

小分け商品

前へ戻る

  • 対象はありません

次に進む

この商品の他ラインナップ

前へ戻る

  • 対象はありません

次に進む

商品説明

(概要)
データサイエンスの認知の高まりとともに,データ分析に関するコンペティションが多数開催されるようになってきました。最も有名なコンペティションプラットフォームであるKaggleにおけるプレイヤー数は10万人を超え,多くのエンジニアが自分の腕を試すためにコンペティションに参加しています。分析コンペでは,実際のデータを扱うため,機械学習の解説書にはあまり載っていないような手法やテクニックが数多く活用されています。これらを理解し自身で使えるようにしておくことはコンペだけでなく,実務でのモデル構築において非常に役に立ちます。
そこでこれらのテクニックや事例を多くの人に知っていただくために,現時点で最新のものを整理して本書にまとめました。特徴量の作り方,バリデーション,パラメータチューニングなどについて,一般的な書籍ではあまり言及されない暗黙知やポイントについて記述しています。分析コンペにこれから参加してみたい方,あるいはもっと上を目指したい方だけでなく,実務で予測モデルの精度を上げたいという方にも参考になる情報が多いでしょう。

(こんな方におすすめ)
・Kaggle をはじめたい方、データ分析者、データサイエンティスト

(目次)

第1章 分析コンペとは?

  • 1.1 分析コンペって何?
  • 1.2 分析コンペのプラットフォーム
  • 1.3 分析コンペに参加してから終わるまで
  • 1.4 分析コンペに参加する意義
  • 1.5 上位を目指すためのポイント
  • 第2章 タスクと評価指標

  • 2.1 分析コンペにおけるタスクの種類
  • 2.2 分析コンペのデータセット
  • 2.3 評価指標
  • 2.4 評価指標と目的関数
  • 2.5 評価指標の最適化
  • 2.6 評価指標の最適化の例
  • 2.7 リーク(data leakage)
  • 第3章 特徴量の作成

  • 3.1 本章の構成
  • 3.2 モデルと特徴量
  • 3.3 欠損値の扱い
  • 3.4 数値変数の変換
  • 3.5 カテゴリ変数の変換
  • 3.6 日付・時刻を表す変数の変換
  • 3.7 変数の組み合わせ
  • 3.8 他のテーブルの結合
  • 3.9 集約して統計量をとる
  • 3.10 時系列データの扱い
  • 3.11 次元削減・教師なし学習による特徴量
  • 3.12 その他のテクニック
  • 3.13 分析コンペにおける特徴量の作成の例
  • 第4章 モデルの作成

  • 4.1 モデルとは何か?
  • 4.2 分析コンペで使われるモデル
  • 4.3 GBDT(勾配ブースティング木)
  • 4.4 ニューラルネット
  • 4.5 線形モデル
  • 4.6 その他のモデル
  • 4.7 モデルのその他のポイントとテクニック
  • 第5章 モデルの評価

  • 5.1 モデルの評価とは?
  • 5.2 バリデーションの手法
  • 5.3 時系列データのバリデーション手法
  • 5.4 バリデーションのポイントとテクニック
  • 第6章 モデルのチューニング

  • 6.1 パラメータチューニング
  • 6.2 特徴選択および特徴量の重要度
  • 6.3 クラスの分布が偏っている場合
  • 第7章 アンサンブル

  • 7.1 アンサンブルとは?
  • 7.2 シンプルなアンサンブル手法
  • 7.3 スタッキング
  • 7.4 どんなモデルをアンサンブルすると良いか?
  • 7.5 分析コンペにおけるアンサンブルの例
  • 付録

  • A.1 分析コンペの参考資料
  • A.2 参考文献
  • A.3 本書で参照した分析コンペ
  • 関連キーワード

    この著者・アーティストの他の商品

    前へ戻る

    • 対象はありません

    次に進む

    みんなのレビュー0件

    みんなの評価0.0

    評価内訳

    • 星 5 (0件)
    • 星 4 (0件)
    • 星 3 (0件)
    • 星 2 (0件)
    • 星 1 (0件)

    情報理論・情報科学 ランキング

    情報理論・情報科学のランキングをご紹介します一覧を見る

    前へ戻る

    次に進む

    ×

    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。