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
Author(s)
Bibliographic Information
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
オライリー・ジャパン , オーム社 (発売), 2020.4
- Other Title
-
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
- Title Transcription
-
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
Available at 193 libraries
  Aomori
  Iwate
  Miyagi
  Akita
  Yamagata
  Fukushima
  Ibaraki
  Tochigi
  Gunma
  Saitama
  Chiba
  Tokyo
  Kanagawa
  Niigata
  Toyama
  Ishikawa
  Fukui
  Yamanashi
  Nagano
  Gifu
  Shizuoka
  Aichi
  Mie
  Shiga
  Kyoto
  Osaka
  Hyogo
  Nara
  Wakayama
  Tottori
  Shimane
  Okayama
  Hiroshima
  Yamaguchi
  Tokushima
  Kagawa
  Ehime
  Kochi
  Fukuoka
  Saga
  Nagasaki
  Kumamoto
  Oita
  Miyazaki
  Kagoshima
  Okinawa
  Korea
  China
  Thailand
  United Kingdom
  Germany
  Switzerland
  France
  Belgium
  Netherlands
  Sweden
  Norway
  United States of America
Search this Book/Journal
Note
サンプルコードダウンロードあり
Description and Table of Contents
Description
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。
Table of Contents
- 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)
by "BOOK database"