凝った統計の延長として機械学習を使うことが多く、教師ありの回帰モデルばかりを使ってきました。ここいらでもう少し自分のできることの範囲を広げるべく、まず最初の一冊としてグラフィカルに主要な手法が説明された本書を手に取りました。 　本書は「図」鑑の名前の通り、教師あり/なしのいくつかの機械学習手法に関して図説をメインに説明したテキストです。データを分類する過程を典型的なデータで示し、各手法の直観的な理解が進みやすくなっています。エッセンスの部分だけアルゴリズムの説明も書いてあり、これだけで済むわけではないでしょうが数式に抵抗がなければこちらも理解の助けになります。取り扱われる全手法にコード例も付いているので実際にトライしてみることもできます（ほとんどやっておらず、すみません。）。 　本書で少し惜しいなと思われる点は、図より文字による説明の方が多く、「図鑑」というには少し教科書に寄りすぎていることです。イラストやグラフが多い教科書として読むこともできますが、それにしてはアルゴリズムの詳細の説明が薄めです。もうちょっと図鑑に徹した方が好みだったなと思う次第です。

機械学習のアルゴリズムに関して、Pythonの実コードを示しながら書いてくれている本 アルゴリズムの数学的記述ではなく、あくまでコードで図解して示してくれているので Jupyter notebookなどを使ってコードを書きながら読むのが良い 紙で購入したが、電子で購入を推奨したい この1冊ではあまり理解は深まらないが、手を動かす良いきっかけになる

いろいろ種類のある機械学習アルゴリズムについて、図鑑のように紹介した本。 どれも簡単な紹介にとどまっている感じなので、これだけで理解するのは難しいと思うけど、こういうアルゴリズムがあるのかと知るきっかけになるのはいいのかもしれないと思った。 正直、回帰分析以外はいまだにいまいちよく分からない。回帰分析は前職で使ったからなんとなく理解できるし、そう難しいアルゴリズムじゃないのだけど、他はどうにもピンとこない。こういうのはやっぱり、読むだけでなく、この本の書名にも「見て試してわかる」とあるように試してみなきゃ理解できないのだろうなと思う。そのためには、やっぱりPythonもある程度理解しといたほうがいいのだろうなと思った。JavaScriptだとこういうアルゴリズムの実装はやっぱり難しいのかなぁ。 過学習を防ぐ方法については、前職で重回帰分析を使ったプロジェクトに関わったときに知ってたらまた違っただろうなと思った。どう考えてもおかしな結果になることもあったし、対策は難しいと思ったけど、いろいろ対策方法はあるんだなと分かった。