資料詳細

  • 1 件中、 1 件目

Pythonでプログラミングして理解する機械学習アルゴリズム

神野 健哉／著

近代科学社 2022.2

所蔵

所蔵は 1 件です。現在の予約件数は 0 件です。

所蔵館 所蔵場所 請求記号 資料コード 資料区分 持禁区分 状態
オーテピア高知図書館 3Fビジネス－IT /007.13/ｼﾝ/ 1111578793 一般   利用可 iLisvirtual

ページの先頭へ

館別所蔵

所蔵数 貸出中数 貸出可能数
合計

ページの先頭へ

資料詳細

タイトル Pythonでプログラミングして理解する機械学習アルゴリズム
著者 神野 健哉 ／著  
著者典拠番号 110006604310000
出版者 近代科学社
出版地 東京
出版年 2022.2
ページ数 4,186p
大きさ 26cm
言語 日本語
一般件名 機械学習 , アルゴリズム
一般件名典拠番号 511957000000000 , 510093100000000
NDC分類(9版) 007.13
内容紹介 機械学習の動きをPythonで実際にプログラミングすることで、アルゴリズムの流れが理解できるよう構成。Python用の機械学習モジュールの使用法も解説する。
ISBN 4-7649-0636-5
ISBN13桁 978-4-7649-0636-5
本体価格 ¥2700
資料情報1 『Pythonでプログラミングして理解する機械学習アルゴリズム』　神野 健哉／著 　近代科学社　2022.2（所蔵館：オーテピア高知図書館　 請求記号：/007.13/ｼﾝ/　 資料コード：1111578793）
URL
https://opac.library.kochi.jp/winj/opac/switch-detail.do?lang=ja&bibid=1120612783

ページの先頭へ

目次

1章 データに基づいた解析・機械学習とは
  1.1 機械学習とは
  1.2 機械学習の種類
  1.3 機械学習の実装
2章 データの標準化・主成分分析
  2.1 標準化
  2.2 データの関係性
  2.3 Pythonによる計算、データの可視化
  2.4 主成分分析
  2.5 scikit‐learnによる主成分分析
3章 線形回帰
  3.1 回帰とは
  3.2 線形回帰(単回帰)
  3.3 多項式回帰
  3.4 Pythonによる実装
4章 過剰適合
  4.1 過剰適合と交差検証
  4.2 正則化
5章 最尤推定法
  5.1 最尤推定法
  5.2 MAP推定法
6章 カーネル法
  6.1 一般関数の線形和
  6.2 ガウス関数による近似
  6.3 カーネル関数
  6.4 正則化
7章 線形判別
  7.1 分類問題
  7.2 線形分離
  7.3 Fisherの線形判別分析法
8章 サポートベクターマシン
  8.1 ハードマージンSVM
  8.2 ソフトマージンSVM
  8.3 scikit‐learnによるSVMの実装
  8.4 カーネルSVM
9章 パーセプトロンとロジスティック回帰
  9.1 パーセプトロン
  9.2 ロジスティック回帰
10章 多層ニューラルネットワーク
  10.1 多層ニューラルネットワーク
  10.2 誤差逆伝播法
  10.3 多層ニューラルネットワークの実装
11章 深層学習
  11.1 勾配消失
  11.2 ReLU関数
  11.3 scikit‐learnによる多層ニューラルネットワークの実装
12章 畳み込みニューラルネットワーク
  12.1 畳み込みニューラルネットワーク(CNN)
  12.2 TensorFlowによる多層ニューラルネットワークの実装
  12.3 TensorFlowによるCNNの実装
A Google Colaboratory
  A.1 Google Colaboratory
  A.2 Google Colaboratoryの始め方
  A.3 Google Colaboratoryの環境
  A.4 Google Colaboratoryの制約
B Python入門
  B.1 条件分岐と繰り返し
  B.2 データ型
  B.3 データ構造
  B.4 NumPy ndarray

ページの先頭へ