
x
■
訳者まえがき
版では、カイ二乗分布、
F
分布が追加された。コンピュータの導入で重要性
が増したブートストラップや、ロングテールの分布についても学ぶ。
3章 統計実験と有意性検定
統計的な実験設計と有意性検定という従来の統計学においてもデータサイエ
ンスにおいても重要な内容を扱う。データサイエンスで重要となる
A/B
テス
ト、リサンプリング、多腕バンディットアルゴリズムなどを扱う。従来の統計
学ではさまざまな公式が使われるが、データサイエンスではそれよりもリサン
プリング手法を駆使して
EDA
を推進することに重点が置かれる。
4 章 回帰と予測
予測のための回帰という技法は、従来の統計学においてもデータサイエンス
でも基本的で重要なものだ。
4
章では、単回帰だけでなく、重回帰やスプライ
ン回帰を学ぶ。異常検出については、回帰診断を学ぶ。
5章 分類
データサイエンスでは、分類が意思決定支援に欠かせない。
5
章では、ナイー
ブベイズ、判別分析、ロジスティック回帰、分類モデル評価、不均衡データ
という基本を学ぶ。
6章 統計的機械学習
機械学習はデータサイエンスの予測モデルに欠かせないものとなってきてい
る。
6
章は、基本的なモデルと技法を、
k
近傍法、木モデル、バギング、ラン
ダムフォレスト、ブースティングなどで学ぶ。
7 章 教師なし学習
リアルタイムでの意思決定支援に教師なし学習は欠かせない。主成分分析、
k
平均クラスタリング、階層クラスタリング、モデルベースクラスタリングなど
の基本的な技法とともに、スケーリング技法を学ぶ