Pythonの機械学習ライブラリscikit-learnを中心として、Pythonで機械学習を実行する方法について詳しく説明します。分類や回帰モデルの構築、評価方法だけでなく、実務的に重要なデータの前処理などについても扱います。また、scikit-learnのAPIを理解する上で重要な推定器(estimator)、予測器(predictor)、変換器(transformer)の考え方、主要なクラス等についても説明します。

機械学習の分類、回帰モデルの構築、クラスタリングの一般的な考え方と流れ、scikit-learnライブラリによる実行方法、scikit-learnのAPIや基本的なクラスについて習得することが目標です。

Pythonの機械学習ライブラリscikit-learnを用いて、機械学習の実行方法について詳しく説明します。以下の内容等を扱います。 - データの前処理 - 予測モデル構築のフロー - 予測モデルのチューニング（交差検証、ハイパーパラメータ最適化等） - 予測の評価 - パイプラインによるモデル構築 - モデルの永続化 - クラスタリング 必要に応じてデータ分析のPandas、可視化のmatplotlib/seabornなども使用するため、合わせて説明します。 参考文献 ---- - Sebastian Raschka, [Python Machine Learning][1]（Packt Publishing、2015年） 邦訳：[Python機械学習プログラミング][2]（インプレス、2016年6月刊行予定） - Willi Richert and Luis Pedro Coelho, [Building Machine Learning Systems With Python][3]（Packt Publishing、2013年） 邦訳：[実践機械学習システム][4]（オライリー、2014年） - Lars Buitinck, et al., [API design for machine learning software: experiences from the scikit-learn project][5], ECML/PKDD 2013 Workshop [1]: http://www.amazon.co.jp/Python-Machine-Learning-Sebastian-Raschka/dp/1783555130/ref=sr_1_1?s=english-books&ie=UTF8&qid=1464416254&sr=1-1&keywords=python+machine+learning [2]: http://www.amazon.co.jp/Python%E6%A9%9F%E6%A2%B0%E5%AD%A6%E7%BF%92%E3%83%97%E3%83%AD%E3%82%B0%E3%83%A9%E3%83%9F%E3%83%B3%E3%82%B0-%E9%81%94%E4%BA%BA%E3%83%87%E3%83%BC%E3%82%BF%E3%82%B5%E3%82%A4%E3%82%A8%E3%83%B3%E3%83%86%E3%82%A3%E3%82%B9%E3%83%88%E3%81%AB%E3%82%88%E3%82%8B%E7%90%86%E8%AB%96%E3%81%A8%E5%AE%9F%E8%B7%B5-impress-top-gear/dp/4844380605/ref=pd_sim_14_19?ie=UTF8&dpID=51g9ePrbMSL&dpSrc=sims&preST=_AC_UL160_SR125%2C160_&refRID=0P10KGQ2PV7FQ9RV57RK [3]: http://www.amazon.co.jp/Building-Machine-Learning-Systems-Python/dp/1782161406 [4]: http://www.amazon.co.jp/%E5%AE%9F%E8%B7%B5-%E6%A9%9F%E6%A2%B0%E5%AD%A6%E7%BF%92%E3%82%B7%E3%82%B9%E3%83%86%E3%83%A0-Willi-Richert/dp/4873116988 [5]: http://arxiv.org/abs/1309.0238