- Amazon.co.jp ・本 (424ページ)
- / ISBN・EAN: 9784297108434
作品紹介・あらすじ
データサイエンスの認知の高まりとともに、データ分析に関するコンペティションが多数開催されるようになってきました。最も有名なコンペティションプラットフォームであるKaggleにおけるプレイヤー数は10万人を超え、多くのエンジニアが自分の腕を試すためにコンペティションに参加しています。分析コンペでは、実際のデータを扱うため、機械学習の解説書にはあまり載っていないような手法やテクニックが数多く活用されています。これらを理解し自身で使えるようにしておくことはコンペだけでなく、実務でのモデル構築において非常に役に立ちます。
そこでこれらのテクニックや事例を多くの人に知っていただくために、現時点で最新のものを整理して本書にまとめました。特徴量の作り方、バリデーション、パラメータチューニングなどについて、一般的な書籍ではあまり言及されない暗黙知やポイントについて記述しています。分析コンペにこれから参加してみたい方、あるいはもっと上を目指したい方だけでなく、実務で予測モデルの精度を上げたいという方にも参考になる情報が多いでしょう。
感想・レビュー・書評
-
詳細をみるコメント0件をすべて表示
-
読んで終わる本でなく片手に分析しまくる本だけどとりあえず読了
本書は必ずしもホクソエムさまではないみたいだけどホクソエム派閥と勝手に思ってる
前処理大全も特徴量エンジニアリングもホクソエム一味まじすげー
機械学習はドヤ顔で中身ない人多いけどホクソエム一味は
やはりすごいな
僕も貢献したいけどてきそうなのは
・いい本だと馬鹿みたいに騒ぎまくる
・Rに翻訳する
くらいだな
ただRユーザー減ったつーかこれから学ぼうとする人少ないよな需要あるかな
周りにkaggle、データ分析の話をできる人がいない
ただ『kaggleで勝つデータ分析の技術』を読んでいる
これって田舎の中堅高校で東大を目指し、『大学への数学』を読んでいる状態と同じなのかな -
学生リクエスト2019
-
予測モデルの特徴とプログラミング例を簡潔に紹介。1モデルに半ページ程度。
予測精度を高めるテクニックを多く提案している。 -
【蔵書検索詳細へのリンク】*所在・請求記号はこちらから確認できます
https://opac.hama-med.ac.jp/opac/volume/478135 -
【システム創成学科】ベストリーダー2023
第2位
東京大学にある本はこちら
https://opac.dl.itc.u-tokyo.ac.jp/opac/opac_details/?bibid=2003491232 -
アルゴリズムの解析から、kaggle特化したテクニックの話まで
-
CY22-06
今後、データサイエンスを仕事として取り扱うことになりそうなので読んでみた一冊。
試しに、今取り扱っている案件のデータを分析しつつ本書を読んでみたが、非常に参考になった。まだ、初心者なので、予測モデルっ!とは行かないが、特徴量分析のやり方は勉強になった。
今後、何度も読み返すことになると思う。 -
Kaggleで利用される様々な手法が紹介されており、実践的で参考になる。全ての手法を腹落ちできていないが、手元に置いて辞書的に使える。
-
まだ読んでない。
もう少し基礎を身に着けてから。