書誌種別 |
図書 |
タイトル |
Pythonデータ解析入門 |
並列タイトル |
Introduction to Data Analysis with Python |
タイトルヨミ |
パイソン データ カイセキ ニュウモン |
人名 |
森 純一郎/著
|
人名ヨミ |
モリ ジュンイチロウ |
出版者・発行者 |
東京大学出版会
|
出版者・発行者等ヨミ |
トウキョウ ダイガク シュッパンカイ |
出版地・発行地 |
東京 |
出版・発行年月 |
2024.5 |
ページ数または枚数・巻数 |
6,251p |
大きさ |
21cm |
価格 |
¥2700 |
ISBN |
978-4-13-062466-4 |
ISBN |
4-13-062466-4 |
注記 |
文献:p243〜244 |
分類記号 |
007.609
|
件名 |
データマイニング
|
内容紹介 |
様々な場面でデータマイニングは現代の必須ツールである。その基礎となる代表的な手法を、Pythonを用いて自分で実装し、基盤となる数理的知識から体系的に理解することを目指す。 |
著者紹介 |
東京大学大学院情報理工学系研究科電子情報学専攻博士課程修了。同大学大学院情報理工学系研究科准教授。博士(情報理工学)。 |
言語区分 |
JPN |
タイトルコード |
1009812766676 |
目次 |
第1章 データ解析を学ぶ |
|
1.1 はじめに/1.2 本書の構成/1.3 データサイエンス教育に関するスキルセットとの対応/1.4 学習の進め方/1.5 記号表 |
|
第2章 Pythonの基礎 |
|
2.1 Pythonプログラミング言語/2.2 算術演算/2.3 変数/2.4 関数/2.5 if文と条件分岐/2.6 リスト/2.7 文字列/2.8 for文と繰り返し/2.9 辞書/2.10 プログラムの作成 |
|
第3章 Pythonのモジュール |
|
3.1 モジュール/3.2 pandasライブラリ/3.3 NumPyライブラリ/3.4 Matplotlibライブラリ |
|
第4章 データ分析の基礎 |
|
4.1 データとは/4.2 データの収集/4.3 データの観察と理解/4.4 データの整形と加工 |
|
第5章 テキストデータの分析 |
|
5.1 テキストデータ/5.2 テキストの分かち書きと形態素解析/5.3 テキストのベクトル表現/5.4 テキストの類似度/5.5 プログラミング |
|
第6章 ネットワークデータの分析 |
|
6.1 ネットワーク分析/6.2 ネットワークの行列表現/6.3 最短経路/6.4 中心性/6.5 固有ベクトル中心性/6.6 ページランク/6.7 プログラミング |
|
第7章 機械学習の基礎 |
|
7.1 データの表現/7.2 教師あり学習/7.3 汎化性能/7.4 教師なし学習/7.5 機械学習のモデル/7.6 プログラミング |
|
第8章 クラスタリング |
|
8.1 クラスタリング/8.2 階層化クラスタリング/8.3 K‐means法/8.4 <発展>確率分布モデルによるK‐means法の解釈/8.5 プログラミング |
|
第9章 主成分分析 |
|
9.1 主成分分析による次元削減/9.2 主成分分析の考え方/9.3 主成分分析の詳細/9.4 プログラミング |
|
第10章 線形回帰 |
|
10.1 線形回帰/10.2 最小二乗法/10.3 勾配降下法/10.4 勾配降下法の一般化/10.5 正規方程式の一般化/10.6 モデルの評価/10.7 <発展>最尤法によるパラメータ推定/10.8 プログラミング |
|
第11章 モデル選択 |
|
11.1 過学習/11.2 モデル選択/11.3 交差検証/11.4 交差検証によるモデル選択の例 |
|
第12章 ロジスティック回帰 |
|
12.1 ロジスティック回帰モデルによる分類/12.2 ロジスティック回帰モデルのパラメータ推定/12.3 ロジスティック回帰モデルのパラメータ推定の一般化/12.4 <発展>多クラス分類/12.5 分類結果の評価/12.6 プログラミング |
|
第13章 ニューラルネットワークの基礎 |
|
13.1 ニューロンとニューラルネットワーク/13.2 多層ニューラルネットワーク/13.3 <発展>ニューラルネットワークによる関数の表現/13.4 <発展>ニューラルネットワークの学習/13.5 確率的勾配降下法/13.6 深層ニューラルネットワーク |
|
付録 Pythonのプログラミング環境 |
|
付.1 Colaboratory/付.2 Anaconda |