内容紹介
主要なデータマイニング手法の理論の基礎を学べる!!
データマイニングとは，玉石混淆であるたくさんのデータから必要な情報を読み出す作業です。データマイニングの手法として理解しておく必要があるものには，比較的基本的な知識である回帰分析、主成分分析、判別分析等からクラスタリング、サポートベクターマシン(SVM)、ベイズ推定、ニューラルネットワークなどがあります。最近ではこれらの応用として、深層学習等についても解説します。
このような方におすすめ
○Rでデータマイニングを実行してみたい人
○データ分析部門の企業内テキストとして
目次
主要目次
第I部 多変量解析
第1章 データマイニング
第2章 回帰分析
第3章 主成分分析
第4章 判別分析
第5章 クラスタリング
第II部 機械学習
第6章 機械学習
第7章 サポートベクターマシン
第8章 ベイジアンネットワーク
第9章 ニューラルネットワーク
第10章 自己組織化マップ
第11章 深層学習
参考文献
詳細目次
まえがき
第I部 多変量解析
第1章 データマイニング
1.1 データマイニングとは
1.2 多変量解析の考え方
1.3 第I部の読み方
第2章 回帰分析
2.1 回帰分析とは
2.2 あてはめ精度の評価方法.
2.3 例題
2.4 問題
第3章 主成分分析
3.1 主成分分析とは
3.2 例題
3.3 問題
第4章 判別分析
4.1 判別分析とは
4.2 線形判別
4.3 非線形判別
4.4 例題
4.5 問題
第5章 クラスタリング
5.1 クラスタリングとは
5.2 階層的クラスタリング
5.3 k 平均法
5.4 例題
5.5 問題
第II部 機械学習
第6章 機械学習
6.1 機械学習とは
6.2 人工知能と機械学習
6.3 機械学習と深層学習
第7章 ニューラルネットワーク
7.1 ニューラルネットワークとは
7.2 例題1（判別分析）
7.3 例題2（回帰分析）
7.4 問題
第8章 サポートベクターマシン（SVM）
8.1 サポートベクターマシンとは
8.2 例題1（判別分析）
8.3 例題2（回帰分析）
8.4 問題
第9章 ベイズ推定
9.1 ナイーブベイズ分類器
9.2 例題
9.3 問題
第10章 自己組織化マップ1
10.1 自己組織化マップとは
10.2 例題
10.3 問題
第11章 決定木
11.1 決定木とランダムフォレスト
11.2 例題1（判別分析）
11.3 例題2（回帰分析）
11.4 問題
第12章 深層学習
12.1 深層学習とは
12.2 例題
12.3 問題
付 録部R の基礎及び解答
付録1 Windows 環境へのR のインストール
付録2 R の簡単な演算
付録3 問題の解答例
あとがき
参考文献
索 引
続きを見る