概要

Python入門者が機械学習の基礎アルゴリズムを手を動かして学ぶ

想定読者

Python1年生・2年生シリーズを読み終えた初学者、または機械学習をゼロから体験したいプログラミング入門者

こんな人には向いていない

• すでにscikit-learnで複数アルゴリズムを実装した経験がある人には基礎の比重が大きい
• 数学的な理論(確率・線形代数)を中心に学びたい人には説明が浅い
• ディープラーニング・ニューラルネットワークを主目的とする人はシリーズの別巻が適切

読了後にできるようになること

• scikit-learnの基本的なAPIパターン(fit/predict/score)を使って分類・回帰モデルを構築できる
• 線形回帰・ロジスティック回帰・SVM・決定木・ランダムフォレスト・k-NNの各アルゴリズムの特徴と使い分けを説明できる
• データを学習用とテスト用に分割し、モデルの汎化性能を評価する手順を実施できる
• k-meansによる教師なしクラスタリングの概念と実装を理解できる
• 手書き数字認識など実用的なタスクへ機械学習パイプラインを適用できる
• 分類境界を可視化し、モデルの学習状態を直感的に把握できる

本書のキー概念(章解説)

• 第 1 章 機械学習の準備 — 機械学習の概念整理とscikit-learn環境構築。シリーズ未読者も本章から入れる
• 第 2 章 サンプルデータを見てみよう — scikit-learnの組み込みデータセットと人工データ生成を体験し、データ感覚を養う
• 第 3 章 機械学習の手順を理解しよう — データ分割→学習→テスト→予測→可視化の一連フローを繰り返し体験する中核章
• 第 4 章 機械学習のいろいろなアルゴリズム — 7アルゴリズムを横断比較できる。まず決定木とランダムフォレストを押さえると実務感覚がつかみやすい
• 第 5 章 チノふたたび！ 画像から数字を予測しよう — 手書き数字認識という具体的な実用タスクで締めくくる。教師なし学習との組み合わせも体験できる

ハイライト

• サンプルを動かしながら、機械学習のしくみについて楽しく学ぶことができます。ヤギ博士とフタバちゃんの会話形式で、いちからやさしく解説します。(本書の学習スタイルを端的に示す一節。対話形式と実動サンプルの組み合わせが本書の独自性)

外部からの言及

• 複数のQiita記事でPythonXX年生シリーズのうちの一冊としてリストアップされており、入門から機械学習へ進む際の読書ルート例として並列紹介されることが多い(qiita)

編集メモ

Qiita言及3件 / 累計likes 2 / いずれも書籍リスト掲載のみで実務引用なし。Python入門シリーズの補完的な一冊として位置づけられる

読む前に押さえておきたいこと

• Python基本文法(変数・リスト・関数・クラス)の操作経験
• NumPyとMatplotlibの基礎的な使い方(Python2年生データ分析編相当)
• 機械学習の予備知識は不要だが、数値データを扱ったことがある程度の経験があると読み進めやすい

学習のコツ

• 第3章の『機械学習の手順』を繰り返し参照しながら第4章の各アルゴリズムを試すと、手順の共通パターンが定着しやすい
• 第4章は全7アルゴリズムを網羅するが、初読では決定木とランダムフォレスト(15・16節)を優先するとその後の選択眼が育つ
• 第5章の手書き数字認識は単独プロジェクトとして実行し、自分のデータに差し替える実験をすると応用力が身につく
• 翔泳社公式サイトに正誤表とサンプルコードが公開されているため、環境差異によるエラーはまず正誤表を確認する