Brett Lantz 　著

内容

目次

第1章　機械学習入門 1.1　機械学習の起源 1.2　機械学習の利用と乱用 1.3　機械はどのように学習するか 1.4　実際の機械学習 1.5　Rによる機械学習 1.6　まとめ 第2章　データを管理し、理解する 2.1　Rのデータ構造 2.2　Rでのデータの管理 2.3　データを調べて理解する 2.4　まとめ 第3章　怠惰学習―最近傍法を使った分類 3.1　最近傍法分類を理解する 3.2　例：k最近傍法を使って乳がんを診断する 3.3　まとめ 第4章　確率論的学習―ナイーブベイズを使った分類 4.1　ナイーブベイズを理解する 4.2　例：ナイーブベイズを使ってSMSスパムをフィルタリングする 4.3　まとめ 第5章　分割統治―決定木と分類ルールに基づく分類 5.1　決定木を理解する 5.2　例：C5.0の決定木を使ってあぶない融資を特定する 5.3　分類ルールを理解する 5.4　例：分類ルール学習器を使って毒キノコを識別する 5.5　まとめ 第6章　数値データを予測する―回帰法 6.1　回帰を理解する 6.2　例：線形回帰を使って医療費を予測する 6.3　回帰木とモデル木を理解する 6.4　例：回帰木とモデル木を使ってワインの品質を予測する 6.5　まとめ 第7章　ブラックボックス手法―ニューラルネットワークとサポートベクトルマシン 7.1　ニューラルネットワークを理解する 7.2　例：人工ニューラルネットワークを使ってコンクリートの強度をモデル化する 7.3　サポートベクトルマシンを理解する 7.4　例：SVMを使って文字を認識する 7.5　まとめ 第8章　パターン検出―相関ルールを使ったバスケット分析 8.1　相関ルールを理解する 8.2　例：相関ルールを使って頻繁に購入される商品を特定する 8.3　まとめ 第9章　データのグループを特定する―k-means法 9.1　クラスタリングを理解する 9.2　例：k-means法を使ってマーケティングセグメントを特定する 9.3　まとめ 第10章　モデルの性能を評価する 10.1　分類の性能を計測する 10.2　将来の性能を推定する 10.3　まとめ 第11章　モデルの性能を改善する 11.1　定番のモデルの性能を向上させる 11.2　メタ学習でモデルの性能を改善する 11.3　まとめ 第12章　機械学習の専門的なトピック 12.1　現実のデータの管理と前処理 12.2　オンラインデータとオンラインサービスの操作 12.3　問題領域固有のデータを操作する 12.4　Rの性能を向上させる 12.5　まとめ