01 / 経典教科書推薦
経典教科書推薦
対象読者
機械学習の最初の科目を履修するコンピュータサイエンス、統計学、データサイエンス、経済学、自然科学の学部生、そして現代的な予測手法を適切に使いたい実務家に向く。同じ著者陣の一部による大学院向けの The Elements of Statistical Learning よりも数学の前提が少なく、手法の理解と応用に重点を置いている。
前提知識
回帰と仮説検定を含む統計学入門の履修と、基本的な Python の知識。行列代数は必須ではない。
扱う内容
統計的学習の基本概念、バイアスとバリアンスのトレードオフ、モデル評価、線形回帰、ロジスティック回帰・判別分析・ナイーブベイズによる分類、交差検証とブートストラップによるリサンプリング、リッジ回帰やラッソを含むモデル選択と正則化、スプラインや一般化加法モデルなどの非線形手法、決定木・ランダムフォレスト・ブースティング、サポートベクターマシン、深層学習、生存時間解析、主成分分析とクラスタリングを含む教師なし学習、多重検定を扱う。
使い方
まず概念を説明する節を読み、次に各章末の Python ラボを付属のパッケージとデータセットで実行する。応用演習には自分のデータでも取り組むとよい。著者が本書のウェブサイトで PDF を無料公開しているので、印刷版を買う前に試しやすい。
版と出典
Python 版の初版。Springer より2023年刊、Springer Texts in Statistics シリーズ（ISBN 9783031387463）。これ以前に R を用いた版がある。本レコードの書誌データは Google Books に基づき、Open Library で照合した。