機械学習ポケットリファレンス

詳細な注釈、表、例が掲載されたこの便利なリファレンス書は、構造化機械学習の基礎を理解するのに役立つ。著者である Matt Harrison は、トレーニング中の追加サポートや、次の機械学習プロジェクトに着手する際の便利なリソースとして活用できる、貴重なガイドを提供している。

プログラマ、データサイエンティスト、AI エンジニアに最適なこの本には、機械学習プロセスの概要が記載されており、構造化データによる分類について順を追って説明している。また、クラスタリング、連続値の予測（回帰）、次元削減などのメソッドについても学ぶことができる。

このポケットリファレンスには、以下のセクションが含まれています：

• Titanic データセットを使用した分類
• データのクリーニングと欠損データの処理
• 探索的データ分析
• サンプルデータを使用した一般的な前処理手順
• モデルに有用な特徴量の選択
• モデル選択
• メトリックと分類の評価
• k-近傍法、決定木、ブーストなどを使った回帰の例
• 回帰評価のメトリック
• クラスタリング
• 次元削減
• Scikit-learn パイプライン