内容紹介（JPROより）

実データに合わせて最適な予測モデルを作ることのできるPythonライブラリのscikit-learn解説書です。本書は他の実装本とは異なり、アルゴリズムの解説に敢えて数式を採用し、実装で指定するハイパーパラメータと数式の関係が分かるよう工夫しました。また、ハイパーパラメータの値を増減し、そのときの予測の変化も紙面が許す限り記載しました。本書は不動産価格の予測やワイン品種の分類で使用する典型的なデータセットだけでなく、より実践的なデータ分析が学べるよう、タイタニック、気温、MovieLensのデータセットを採用しています。これらのデータセットを用いて、前処理から予測モデル作成までの分析例を実例で紹介します。
第1章 機械学習とは何か
1.1 機械学習とは何か
1.2 機械学習の種類

第2章 scikit-learnと開発環境
2.1 scikit-learnとは
2.2 scikit-learnのセットアップ
2.3 scikit-learnによる機械学習の基本的な実装
2.4 アルゴリズムチートシート

第3章 回帰
3.1 回帰のアルゴリズム
3.2 線形回帰
3.3 線形回帰の正則化
3.4 線形回帰の確率的勾配降下法
3.5 線形サポートベクトル回帰
3.6 ガウスカーネルのサポートベクトル回帰
3.7 ランダムフォレスト回帰

第4章 分類
4.1 分類のアルゴリズム
4.2 ロジスティック回帰
4.3 線形サポートベクトル分類
4.4 ガウスカーネルのサポートベクトル分類
4.5 ランダムフォレスト

第5章 クラスタリング
5.1 クラスタリングのアルゴリズム
5.2 K-means
5.3 混合ガウス分布（GMM）、変分混合ガウス分布（VBGMM）

第6章 次元削減
6.1 次元削減のアルゴリズム
6.2 主成分分析（PCA）
6.3 カーネルPCA

第7章 モデルの評価
7.1 モデルの評価

第8章 Preprocessing、実データ分析
8.1 はじめに
8.2 ロジスティック回帰を活用したタイタニックの予測モデルの作成
8.3 ランダムフォレストを活用した気温分析と消費の予測モデルの作成
8.4 Collaborative filteringを活用したレコメンデーションモデル
8.5 MovieLensを使ったモデル作り

第9章 scikit-learn API
9.1 regression（回帰）
9.2 classification（分類）
9.3 clustering（クラスタリング）
9.4 dimensionality reduction（次元削減）

内容紹介（「BOOK」データベースより）

ｓｃｉｋｉｔ-ｌｅａｒｎはデータ分析に使用する機械学習アルゴリズムのフレームワークです。本書によって機械学習アルゴリズムの数式と実装を理解し、データに合わせた最適な予測モデルを作成できます。データ分析が初めてのＰｙｔｈｏｎユーザーに、機械学習アルゴリズムを数式と図解を多用して丁寧に解説し、わかりやすいサンプルを使ってデータ分析の手法を紹介する入門書です。データ分析ツールＪｕｐｙｔｅｒ　Ｎｏｔｅｂｏｏｋ対応。

目次（「BOOK」データベースより）

第１章　機械学習とは何か／第２章　ｓｃｉｋｉｔ-ｌｅａｒｎと開発環境／第３章　回帰／第４章　分類／第５章　クラスタリング／第６章　次元削減／第７章　モデルの評価／第８章　Ｐｒｅｐｒｏｃｅｓｓｉｎｇ、実データ分析／第９章　ｓｃｉｋｉｔ-ｌｅａｒｎ　ＡＰＩ

著者情報（「BOOK」データベースより）

毛利拓也（モウリタクヤ）
大学院時代は量子コンピュータの量子ビットの理論モデルを研究し、卒業後は会計系コンサルティングファームでシステム導入プロジェクトをリード

北川廣野（キタガワコヤ）
東京理科大学で量子ドット・量子細線の研究に従事、理学修士。現在、会社に勤務しつつ、博士課程でＣＳの研究に従事している

澤田千代子（サワダチヨコ）
プログラミングスクールＦＣ∞ＫＩＤｓ主催。慶応義塾大学ＳＦＣ研究所所員、湘南工科大学講師（非常勤）。ＳＥ・ＡＩエンジニアを経てフリーに転身、現在は主にプログラミングやデータサイエンスの講師をつとめている

谷一徳（タニカズノリ）
サイバーブレイン株式会社代表取締役社長。ＡＩや量子コンピュータを始めとする最先端技術がオンラインで学べるＡＩ　Ａｃａｄｅｍｙを運営。これまでに３，０００名を超える方々を中心に機械学習やプログラミングを教える（本データはこの書籍が刊行された当時に掲載されていたものです）