Pythonではじめる教師なし学習 : 機械学習の可能性を広げるラベルなしデータの利用

書誌事項

Pythonではじめる教師なし学習 : 機械学習の可能性を広げるラベルなしデータの利用

Ankur A. Patel著 ; 中田秀基訳

オライリー・ジャパン , オーム社 (発売), 2020.4

タイトル別名

Hands-on unsupervised learning using Python : how to build applied machine learning solutions from unlabeled data

Hands-on unsupervised learning using Python

Pythonではじめる教師なし学習 : 機械学習の可能性を広げるラベルなしデータの利用

タイトル読み

Python デ ハジメル キョウシ ナシ ガクシュウ : キカイ ガクシュウ ノ カノウセイ オ ヒロゲル ラベル ナシ データ ノ リヨウ

大学図書館所蔵 件 / 193

この図書・雑誌をさがす

注記

サンプルコードダウンロードあり

内容説明・目次

内容説明

教師なし学習はラベル付けされていないデータから学習する機械学習の一種です。現在の機械学習では大量のラベル付きのデータを用いる教師あり学習が主流ですが、ラベルを付けるには膨大なコストがかかります。現実世界に機械学習を適用していくためには、ラベル付けを必要としない教師なし学習の重要性が増してくると考えられます。本書は実践的な視点から、データにある隠れたパターンを特定し、異常検出や特徴量抽出・選択を行う方法を紹介します。ラベルなしデータを有効に利用することで、機械学習の可能性を各段に広げる教師なし学習の本質に迫ります。さらに、変分オートエンコーダ(VAE)や敵対的生成ネットワーク(GAN)、制限付きボルツマンマシン(RBM)などの生成モデルも紹介します。

目次

  • 1部 教師なし学習の基礎(機械学習エコシステムにおける教師なし学習の立ち位置;機械学習プロジェクトのはじめから終わりまで)
  • 2部 scikit‐learnを用いた教師なし学習(次元削減;異常検出 ほか)
  • 3部 TensorFlowとKerasを用いた教師なし学習(オートエンコーダ;オートエンコーダハンズオン ほか)
  • 4部 TensorFlowとKerasを用いた深層教師なし学習(制限付きボルツマンマシンを用いた推薦システム;深層信念ネットワークを用いた特徴量検出 ほか)

「BOOKデータベース」 より

詳細情報

ページトップへ