目次

表紙
はじめに
この本の読み方　?わからなくていい、まずは触ってみよう?
目次
本書情報および正誤表のWeb ページ
第1章 機械学習とは？ ?コンピュータはデータから学ぶ?
第2章 機械学習の手順 ?コンピュータが賢くなる手順?
2-1 データの準備と前処理 ?機械学習の下ごしらえ?
2-2 特徴量エンジニアリング ?重要な特徴を見つけ出す?
2-3 データ分割と学習モデル ?トレーニング／検証／テストの3段構え?
2-4 モデルの評価 ?テストの成績をどう分析するか～
第3章 教師あり学習 ～正解を教えてもらって、少しずつ賢くなる学び方～
3-1 k近傍法 ?「近くの人に相談してみる」ことから始まる予測法?
3-2 線形回帰 ?まっすぐな線で予測する～
3-3 ロジスティック回帰 ?「はい」か「いいえ」を予測する魔法のモデル～
3-4 サポートベクターマシン ?わかりやすくデータを分ける、賢い境界線の探し方～
3-5 ナイーブベイズ ?ヒントから正体を推測する確率の名探偵?
3-6 決定木 ?診断チャートで判定する?
3-7 アンサンブル学習 ?みんなで答えを出す最強のチームワーク?
3-8 ランダムフォレスト ?たくさんの意見を集めて、より正しい答えを導く「クラス委員会」?
3-9 勾配ブースティング ?失敗から学んで、どんどん賢くなる努力の人?
第4章 ニューラルネットワーク ?脳みそのモノマネ?
4-1 単純パーセプトロン ?最も単純なニューラルネットワーク?
4-2 多層パーセプトロン ?ワンルームから一軒家へ?
4-3 ディープラーニング ?一軒家から高層ビルへ?
4-4 活性化関数 ?ニューロンの性質を決めるスイッチ?
4-5 ディープラーニングの学習 ?コツコツと試行錯誤を繰り返す努力家～
4-6 最適化アルゴリズム ?効率的に山を下る?
4-7 正規化と正則化 ?本番に強くなるための学習法?
4-8 ディープラーニングあるある ?よくあるつまずきポイント?
第5章 教師なし学習 ?正解がなくても、自分で見つける力?
5-1 k平均法 ?似たものどうしをまとめてグループを作る?
5-2 階層クラスタリング ?似たものどうしが少しずつ集まる不思議な木?
5-3 DBSCAN ?集まり具合を見て、グループを見つけよう?
5-4 主成分分析 ?データの整理整頓で見えてくる“本質”?
5-5 t-SNE ?似たものどうしは近くに並べる?
第6章 強化学習 ?七転び八起き、実践から学ぶ?
6-1 Q学習 ?攻略本を作って最適な行動を見つけよう?
6-2 グリッドワールドで学ぶQ 学習 ?マス目の世界で育つ「攻略本」～
6-3 深層Q学習 ?ディープラーニングで広い世界に挑む?
索引
著者プロフィール
奥付