前処理からパラメータチューニング、ＡＩアルゴリズムの特徴や長所短所まで。実際のビジネスの現場にも応用可能なＡＩモデル構築の一連の流れを学ぼう！

■第１部 教師なし学習 第1章 基本的なクラスタリングを行う10本ノック ノック1： k-meansで非階層型クラスタリングを実施してみよう ノック2： クラスタリングの結果を評価してみよう ノック3： k-means++で非階層型クラスタリングを実施してみよう ノック4： エルボー法で最適なクラスタ数を探索してみよう ノック5： シルエット分析で最適なクラスタ数を探索してみよう ノック6： 階層型クラスタリングを実施してみよう ノック7： 樹形図(デンドログラム)を解釈してみよう ノック8： 最短距離法で階層型クラスタリングを実施してみよう ノック9： 最長距離法で階層型クラスタリングを実施してみよう ノック10： 群平均法で階層型クラスタリングを実施してみよう 第2章 様々なクラスタリングを行う10本ノック ノック11： SpectralClusteringでクラスタリングを実施してみよう ノック12： MeanShiftを使ったクラスタリングを実施してみよう ノック13： x-meansで非階層型クラスタリングを実施してみよう ノック14： GMMでクラスタリングを実施してみよう ノック15： VBGMMでクラスタリングを実施してみよう ノック16： VBGMMで最適なクラスタ数を探索してみよう ノック17： MiniBatchKMeansでクラスタリングを実施してみよう ノック18： DBSCANでクラスタリングを実施してみよう ノック19： DBSCANでノイズを確認してみよう ノック20： HDBSCANでクラスタリングを実施してみよう 第3章 代表的な次元削減を行う10本ノック ノック21： PCAを実施してみよう ノック22： 主成分を解釈してみよう ノック23： スクリープロットで次元削減数を探索してみよう ノック24： 寄与率で次元削減数を探索してみよう ノック25： Isomapで次元削減を実施してみよう ノック26： t-SNEで次元削減を実施してみよう ノック27： t-SNEで最適なPerplexityを探索してみよう ノック28： UMAPで次元削減を実施してみよう ノック29： UMAPで最適なn_neighborsを探索してみよう ノック30： PCAとUMAPを組み合わせて次元削減を実施してみよう ■第2部 教師あり学習 第4章 基礎的な回帰予測を行う10本ノック ノック31： データを読み込もう ノック32： データの概要を把握しよう ノック33： データ同士の相関を把握しよう ノック34： データを分割しよう ノック35： 単回帰モデルを構築しよう ノック36： モデルを使って値を予測しよう ノック37： 予測結果を可視化してみよう ノック38： 精度評価指標を使ってモデルを評価しよう ノック39： 構築したモデルを保存しよう ノック40： 保存したモデルを利用しよう 第5章 線形系回帰予測を行う10本ノック ノック41： データを加工しよう ノック42： データをスケーリングしよう ノック43： 重回帰モデルを構築しよう ノック44： 重回帰モデルを評価しよう ノック45： 各説明変数の重みを確認しよう ノック46： LASSO回帰モデルを構築しよう ノック47： LASSO回帰モデルを評価しよう ノック48： LASSO回帰のハイパーパラメータを変更しよう ノック49： 交差検証で最適なパラメータを見つけよう ノック50： リッジ回帰でモデルを構築・評価しよう 第6章 決定木系回帰予測を行う10本ノック ノック51： 決定木モデルを構築しよう ノック52： 決定木モデルを評価しよう ノック53： 決定木の深さを変えてみよう ノック54： 最小サンプル数を変えてみよう ノック55： ランダムフォレストモデルを構築・評価しよう ノック56： ランダムフォレストの決定木の数を変えてみよう ノック57： 交差検証法でモデルを評価しよう ノック58： 勾配ブースティングモデルを構築・評価しよう ノック59： グリッドサーチでハイパーパラメータをチューニングしよう ノック60： ランダムサーチでハイパーパラメータをチューニングしよう 第7章 様々な分類予測を行う10本ノック ノック61： 使用するデータを確認しよう ノック62： データを加工しよう ノック63： ロジスティック回帰モデルを構築しよう ノック64： ロジスティック回帰モデルの決定境界を可視化してみよう ノック65： 線形SVMモデルを構築し、決定境界を可視化してみよう ノック66： カーネルSVMモデルを構築し、決定境界を可視化してみよう ノック67： K近傍法モデルを構築し、決定境界を可視化してみよう ノック68： 決定木モデルを構築し、決定境界を可視化してみよう ノック69： ランダムフォレストモデルを構築し、決定境界を可視化してみよう ノック70： 線形分離できないデータを分類してみよう 第8章 分類モデルの評価を行う10本ノック ノック71： 評価対象のモデルを用意しよう ノック72： 正解率を算出しよう ノック73： 混同行列を見てみよう ノック74： 適合率を算出しよう ノック75： 再現率を算出しよう ノック76： F1値を算出しよう ノック77： 分類レポートを見てみよう ノック78： 予測結果の確信度を算出しよう ノック79： PR曲線を見てみよう ノック80： 各モデルの評価結果を見てみよう ■第3部 機械学習発展編 第9章 AIを説明可能にする10本ノック ノック81： SHAPモデルを構築してみよう ノック82： 回帰系モデルのSHAP値を確認してみよう ノック83： 回帰系モデルをsummary_plotで解釈してみよう ノック84： 回帰系モデルをdependence_plotで解釈してみよう ノック85： 回帰系モデルをforce_plotで解釈してみよう ノック86： 回帰系モデルをwaterfall_plotで解釈してみよう ノック87： 分類系モデルのSHAP値を確認してみよう ノック88： 分類系モデルをsummary_plotで解釈してみよう ノック89： 分類系モデルをdependence_plotで解釈してみよう ノック90： 分類系モデルをforce_plotで解釈してみよう 第10章 AutoMLでモデル構築評価を行う10本ノック ノック91： PyCaretで回帰モデルの前処理を実施しよう ノック92： PyCaretでtrain_sizeを変更してみよう ノック93： PyCaretで回帰モデルを構築しよう ノック94： PyCaretでハイパーパラメータをチューニングしよう ノック95： PyCaretで回帰モデルを評価しよう ノック96： PyCaretで回帰モデルを完成させて再利用しよう ノック97： PyCaretで回帰モデルを解釈しよう ノック98： PyCaretで分類モデルを構築しよう ノック99： PyCaretで分類モデルを評価しよう ノック100： PyCaretでクラスタリングを実施してPCAで可視化しよう