【2022年最新】R言語の本「人気・高評価のおすすめ15冊」

こちらでは、データ解析・統計分析などに有用なプログラミング言語「R言語」に関する人気・高評価のおすすめ本を紹介していきます。

 

 

  1. R言語の本 人気ランキング/10冊詳細
    1. 改訂2版 RユーザのためのRStudio[実践]入門〜tidyverseによるモダンな分析フローの世界
    2. RとKerasによるディープラーニング
    3. Rグラフィックスクックブック 第2版 ―ggplot2によるグラフ作成のレシピ集
    4. R言語ではじめるプログラミングとデータ分析
    5. 前処理大全[データ分析のためのSQL/R/Python実践テクニック]
    6. Rによる機械学習[第3版]
    7. 入門 機械学習による異常検知―Rによる実践ガイド
    8. 基礎からわかる時系列分析―Rで実践するカルマンフィルタ・MCMC・粒子フィルタ― Data Science Librar...
    9. 実践Data Scienceシリーズ RとStanではじめる ベイズ統計モデリングによるデータ分析入門 (KS情報科学専...
    10. Rによるデータサイエンス(第2版):データ解析の基礎から最新手法まで
  2. R言語の本 最新・高評価のおすすめの5冊
    1. 自然科学研究のためのR入門―再現可能なレポート執筆実践― (Wonderful R 4)
    2. 改訂2版 RユーザのためのRStudio[実践]入門〜tidyverseによるモダンな分析フローの世界
    3. RとPythonで学ぶ[実践的]データサイエンス&機械学習【増補改訂版】
    4. Rによる機械学習[第3版]
    5. 実践Data Scienceシリーズ RとStanではじめる ベイズ統計モデリングによるデータ分析入門 (KS情報科学専...
  3. R言語の本「新書一覧(2021年、2022年刊行)」
  4. R言語の本「Kindle Unlimited 読み放題 人気本ランキング」
  5. 関連:Python・データ解析系の本
 

Kindle Unlimited 1ヶ月無料

kindle_unlimited_sale
 
  • 1ヶ月無料で読み放題
  • 1ヶ月以内でも解約可能
  • 解約後も1ヶ月まで利用可


 

R言語の本 人気ランキング/10冊詳細

以下が「R言語の本」人気ランキングと人気の10冊詳細です。

ランキングはAmazonの書籍売上ランキングに基づき毎日更新されています。

(2022/11/29 12:08 更新)
Rank製品価格
1
改訂2版 RユーザのためのRStudio[実践]入門〜tidyverseによるモダンな分析フローの世界...
発売日 2021/06/03
松村 優哉, 湯谷 啓明, 紀ノ定 保礼, 前田 和寛 (技術評論社)
総合評価
(4.6)
3,278円
(+160pt)
3,278円
3,278円
3,278円
2
RとKerasによるディープラーニング
発売日 2018/10/12
François Chollet, J. J. Allaire (オライリージャパン)
総合評価
(4.5)
4,400円
(+132pt)
4,400円
4,400円
3
Rグラフィックスクックブック 第2版 ―ggplot2によるグラフ作成のレシピ集...
発売日 2019/11/21
Winston Chang (オライリージャパン)
総合評価
(4.2)
3,960円
(+195pt)
3,960円
3,960円
4
R言語ではじめるプログラミングとデータ分析
発売日 2020/01/20
馬場真哉 (ソシム)
総合評価
(4.4)
3,300円
(+165pt)
3,000円
3,300円
3,300円
5
前処理大全[データ分析のためのSQL/R/Python実践テクニック]
発売日 2018/04/13
本橋 智光 (技術評論社)
総合評価
(4.1)
3,300円
3,300円
3,300円
3,300円
6
Rによる機械学習[第3版]
発売日 2021/02/10
Brett Lantz (翔泳社)
総合評価
(4.6)
4,180円
(+125pt)
2,090円
4,180円
4,180円
7
入門 機械学習による異常検知―Rによる実践ガイド
発売日 2015/02/19
剛, 井手 (コロナ社)
総合評価
(4.2)
4,180円
4,180円
4,180円
8
基礎からわかる時系列分析―Rで実践するカルマンフィルタ・MCMC・粒子フィルタ― Data Science Library...
発売日 2018/03/23
萩原 淳一郎, 瓜生 真也, 牧山 幸史 (技術評論社)
総合評価
(3.6)
4,378円
(+131pt)
4,378円
4,378円
4,378円
9
3,300円
2,310円
2,310円
3,300円
10
3,960円
3,960円
3,960円
 

改訂2版 RユーザのためのRStudio[実践]入門〜tidyverseによるモダンな分析フローの世界

改訂2版 RユーザのためのRStudio[実践]入門〜tidyverseによるモダンな分析フローの世界
(著)松村 優哉, 湯谷 啓明, 紀ノ定 保礼, 前田 和寛
発売日 2021/06/03
総合評価
(4.6)
(2022/11/29 12:08時点)
(概要)
2018年に刊行した通称「#宇宙本」を最新の情報に改訂!
本書は、R言語のIDEであるRStudioと、モダンなデータ分析を実現するtidyverseパッケージの入門書です。RStudioの基本機能からはじまり、Rによるデータの収集(2章)、データの整形(3章)、可視化(4章)、レポーティング(5章)といったデータ分析ワークフローの各プロセスの基礎を押さえることができます。
RStudio v1.4に対応し、新たに追加されたVisual Editor機能やRStudio v1.2で追加された「Jobs機能」などを紹介します。また、dplyr 1.0に対応し、データ処理系の関数の解説を追加しています。さらに改訂版では付録として、「stringrによる文字列データの処理」「lubridateによる日付・時刻データの処理」の2章を追加しています。
さまざまな機能が追加されていくRStudioとtidyverseに触れ、モダンなデータ分析をはじめましょう!

(こんな方におすすめ)
・R / RStudioでモダンな分析環境を手にしたい方
・分析フローを意識した業務/解析をしたい方

(目次)
第1章 RStudioの基礎
1-1 RStudioのダウンロードとインストール
1-2 RStudioの基本操作
1-3 RStudioを自分好みにカスタマイズ
1-4 ファイルの読み込み
1-5 RやRStudioで困ったときは
1-6 まとめ
第2章 スクレイピングによるデータ収集
2-1 なぜスクレイピングが必要か
2-2 スクレイピングに必要なWeb知識
2-3 Rによるスクレイピング入門
2-4 API
2-5 まとめ
第3章 dplyr/tidyrによるデータ前処理
3-1 tidy dataとは
3-2 tidyrによるtidy dataへの変形
3-3 dplyrによる基本的なデータ操作
3-4 dplyrによる応用的なデータ操作
3-5 dplyrによる2つのデータセットの結合と絞り込み
3-6 tidyrのその他の関数
3-7 まとめ
第4章 ggplot2を用いたデータ可視化
4-1 可視化の重要性
4-2 ggplot2パッケージを用いた可視化
4-3 他者と共有可能な状態に仕上げる
4-4 便利なパッケージ
4-5 まとめ
第5章 R Markdownによるレポート生成
5-1 分析結果のレポーティング
5-2 R Markdown入門
5-3 出力形式
5-4 まとめ
付録A stringrによる文字列データの処理
A-1 文字列データとstringrパッケージ
A-2 文字列処理の例
A-3 正規表現
A-4 まとめ
付録B lubridateによる日付・時刻データの処理2
B-1 日付・時刻のデータ型とlubridateパッケージ
B-2 日付・時刻への変換
B-3 日付・時刻データの加工
B-4 interval
B-5 日付、時刻データの計算・集計例
B-6 タイムゾーンの扱い
B-7 その他の日付・時刻データ処理に関する関数

↓全て表示↑少なく表示
 
内容サンプル

(引用元Amazon)

 
目次
はじめに
 本書の特徴
 本書の構成
 本書の対象読者
 本書で解説しなかったこと
 さあRStudioで分析を
tidyverseとは
 tidyverseのパッケージ
 tidyverseの過去
 tidyverseの未来
第1章 RStudioの基礎
1-1 RStudioのダウンロードとインストール
 macOS
 Windows
1-2 RStudioの基本操作
 RStudioのインターフェース
 プロジェクト機能
 Rスクリプトの新規作成と保存
 Rのコマンドの実行
 オブジェクトの確認
 補完機能
 Jobs機能
1-3 RStudioを自分好みにカスタマイズ
 RStudio全般
 コーディング
 外観
 Terminal
 キーボードショートカット
1-4 ファイルの読み込み
 Rの標準関数の問題点
 readrパッケージ
 Excelファイルの読み込み
 SAS,SPSS,STATAファイルの読み込み
 RStudio(GUI)によるデータの読み込み
 ファイル読み込みのまとめ
1-5 RやRStudioで困ったときは
 ヘルプを使う
 Vignetteを見る
 チートシートを使う
 コマンドパレット
1-6 まとめ
第2章 スクレイピングによるデータ収集
2-1 なぜスクレイピングが必要か
 スクレイピングとは
 手作業によるデータ取得の限界
2-2 スクレイピングに必要なWeb知識
 HTML
 CSS
 XMLとXPath
2-3 Rによるスクレイピング入門
 rvestパッケージ
 Webページタイトルの抽出
 パイプ演算子
 スクレイピング実践
2-4 API
 APIとは
 rtweetパッケージによるTwitterデータの収集
 ツイートの収集
 COLUMN ブラウザの自動操作
 COLUMN Webスクレイピングをするときの注意点
2-5 まとめ
 参考文献
第3章 dplyr/tidyrによるデータ前処理
3-1 tidy dataとは
 tidy dataの定義
 tidyではないデータ
3-2 tidyrによるtidy dataへの変形
 tidyではないデータ
 pivot_longer()による縦長データへの変形
 pivot_wider()による横長のデータへの変形
3-3 dplyrによる基本的なデータ操作
 tibbleとデータフレームの違い
 dplyrの関数の概要
 1つのデータフレームを操作する関数の共通点と%>%
 演算子による処理のパイプライン化
 filter()による行の絞り込み
 COLUMN dplyrの関数内でのコード実行
 arrange()によるデータの並び替え
 select()による列の絞り込み
 relocate()による列の並べ替え
 mutate()による列の追加
 summarise()によるデータの集計計算
3-4 dplyrによる応用的なデータ操作
 グループ化
 COLUMN 複数の値を返す集約関数とsummarise()
 COLUMN ウィンドウ関数
 COLUMN selectのセマンティクスとmutateのセマンティクス
 複数の列への操作
3-5 dplyrによる2つのデータセットの結合と絞り込み
 inner_join()によるデータの結合
 さまざまなキーの指定方法
 inner_join()以外の関数によるデータの結合
 semi_join()、anti_join()による絞り込み
3-6 tidyrのその他の関数
 separate()による値の分割
 extract()による値の抽出
 separate_rows()による値の分割(縦方向)
 暗黙の欠損値
 complete()による存在しない組み合わせの検出
 COLUMN group_by()による存在しない組み合わせの表示
 fill()による欠損値の補完
 replace_na()による欠損値の置き換え
3-7 まとめ
第4章 ggplot2を用いたデータ可視化
4-1 可視化の重要性
4-2 ggplot2パッケージを用いた可視化
 準備
 エステティックマッピング
 COLUMN グラフに肉付けする
 統計的処理:stat
 COLUMN X軸に離散変数をマッピングした場合における折れ線グラフ
 配置の指定:position
 COLUMN position_dodge()とposition_dodge2()
 軸の調整
 グラフの保存
4-3 他者と共有可能な状態に仕上げる
 themeの変更
 文字サイズやフォントの変更
 配色の変更
 ラベルを変更する
4-4 便利なパッケージ
 複数のグラフを並べる
 表示される水準の順番を変更したい
4-5 まとめ
 参考文献
第5章 R Markdownによるレポート生成
5-1 分析結果のレポーティング
 ドキュメント作成の現場
 手作業によるドキュメント作成の問題点
5-2 R Markdown入門
 Hello, R Markdown
 Rmdファイルと処理フロー
 Markdownの基本
 Rチャンク
 ドキュメントの設定
 RStudioで使える便利なTips
 COLUMN Visual ModeによるRmdファイルの編集
5-3 出力形式
 html_document形式
 pdf_document形式
 word_document形式
 スライド出力
 R Markdownの出力形式を提供するパッケージ
 COLUMN 日本語環境での注意点
5-4 まとめ
 参考URL・参考文献
付録A stringrによる文字列データの処理
A-1 文字列データとstringrパッケージ
A-2 文字列処理の例
 str_c()による文字列の連結
 str_split()による文字列の分割
 str_detect()による文字列の判定
 COLUMN fixed()/coll()を用いた挙動の調整
 str_count()による検索対象の計上
 str_locate()による検索対象の位置の特定
 str_subset()/str_extract()による文字列の抽出
 str_sub()による文字列の抽出
 str_replace()による文字列の置換
 str_trim()/str_squish()による空白の除去
A-3 正規表現
 任意の文字や記号の検索
 高度な検索
 regex()
A-4 まとめ
付録B lubridateによる日付・時刻データの処理2
B-1 日付・時刻のデータ型とlubridateパッケージ
B-2 日付・時刻への変換
 文字列から日付・時刻への変換
 数値から日付・時刻への変換
 readrパッケージによる読み込み時の変換
B-3 日付・時刻データの加工
B-4 interval
B-5 日付、時刻データの計算・集計例
 wday()を使った曜日の計算例
 floor_date()を使った週ごとの集計例
B-6 タイムゾーンの扱い
B-7 その他の日付・時刻データ処理に関する関数
 zipanguパッケージ
 sliderパッケージ

↓全て表示↑少なく表示
Users Voice
とても迅速に発送していただき、すぐに手元に届きました。内容もR studioについて詳細に掘り下げてありとても分かりやすかったです。活用していきたいです。 (参考:YahooShopping)

↓全て表示 ↑少なく表示
内容サンプル

(引用元Amazon)

 
著者略歴

他著:松村 優哉
松村優哉(まつむら ゆうや) IT企業勤務。修士(経済学)。学生時代の専門はベイズ統計学、統計的因果推論およびそれらのマーケティングへの応用。ホームページ:https://ymattu.github.io/ 仕事および趣味でRを使用し、ブログ(https://y-mattu.hatenablog.com/)にてRやPythonなどの情報を発信しているほか、Rの勉強会Tokyo.Rの運営にも携わる。著書に『データサイエンティストのための最新知識と実践 Rではじめよう![モダン]なデータ分析』(マイナビ出版, 2017)。本書の第1章、第2章を執筆。

他著:湯谷 啓明
湯谷啓明(ゆたに ひろあき) IT企業勤務。データの可視化への興味からggplot2を知り、Rを使い始める。tidyverseへのコントリビューションも多数。技術ブログ(https://notchained.hatenablog.com/)でもRに関する小ネタや最新情報を発信している。好きな言語はRと忍殺語。著書に「Rによるスクレイピング入門」(C&R研究所, 2017)、翻訳書に「Rプログラミング本格入門」(共立出版, 2017)。本書の「tidyverseとは」、第3章、付録Bを執筆。

他著:紀ノ定 保礼
紀ノ定保礼(きのさだ やすのり) 静岡理工科大学情報学部 講師。博士(人間科学)。同志社大学文化情報学部在学中にRを習うも、当時はRStudioがなく、いつしか疎遠になる。統計モデリングとtidyverseへの興味から再びRを使い始め、今ではRはなくてはならない存在に。大阪大学大学院人間科学研究科助教を経て、現職。専門は、認知心理学、交通心理学、人間工学。翻訳書に『ベイズ統計モデリング-R, JAGS, Stanによるチュートリアル-原著第2版』(共立出版, 2017)。本書の第4章と付録Aを執筆。


↓全て表示↑少なく表示

  

RとKerasによるディープラーニング

RとKerasによるディープラーニング
(著)François Chollet, J. J. Allaire
発売日 2018/10/12
総合評価
(4.5)
(2022/11/29 12:08時点)
Pythonのディープラーニング用ライブラリKeras開発者のFrançois Cholletと、RStudio創設者兼CEO兼開発者としてRコミュニティで絶大な信頼を集めるJ. J. Allaireによる共著。
ディープラーニングを学びたいRユーザ向けに、まず概念を説明し、それを実装したサンプルを示すというスタイルで、実際にサンプルを動かしながら学ぶことができます。
ディープラーニングとはどんなものか、AIや機械学習との関連、なぜ重要性が増しているのかだけでなく、コンピュータビジョン、自然言語処理などの実用的な例題も扱います。
使い慣れたRを使ってディープラーニングについて学びたいというRユーザの期待に応える一冊です。
 
  

Rグラフィックスクックブック 第2版 ―ggplot2によるグラフ作成のレシピ集

オープンソースの統計解析用のプログラミング言語、Rの強力な描画用パッケージggplot2を使ってさまざまなグラフを作成するためのレシピ集です。
棒グラフや折れ線グラフ、散布図といった基本的なグラフから、複雑なグラフや地図の作成方法だけでなく、きめ細かいカスタマイズ方法、効果的な使い方、色の使い方の注意、さらには文書用データへの変換方法まで、グラフに関することはほとんど網羅しています。
実際の「やりたいこと」に応じた解決法を提示。描きたいグラフがすぐに描ける実用的な一冊です。
 
目次
Rの基本
データの基本的なプロット
棒グラフ
折れ線グラフ
散布図
データ分布の要約
注釈

グラフの全体的な体裁
凡例
ファセット
色を使う
さまざまなグラフ
文書用に図を出力する
データの前処理
付録A ggplot2を理解する
付録B 日本語フォントの利用(日本語版補遺)

↓全て表示↑少なく表示
Users Voice
ようやく通読。STATAとR両方使ってて最近後者にウエイトが。ggplot2はほとんど使いこなせてなかったですが、本書読んで少し行けそうな感じしてきました。要は慣れですね。 (参考:honto)

↓全て表示 ↑少なく表示
前の版読んだ直後に次の版。季語なし。これも読む。 (参考:honto)

↓全て表示 ↑少なく表示

  

R言語ではじめるプログラミングとデータ分析

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。

R言語によるデータ分析をはじめてみよう!

この本は、初心者向けのR言語の入門書です。
R言語はデータ分析に秀でたプログラミング言語です。もちろん無料で使えます。
この本では、R言語の初歩と、データ分析の基本を解説しています。
Tidyverseと呼ばれる「データ分析の生産性を上げてくれる便利なパッケージ群」の解説もしています。


【特徴】
・基礎から順にステップアップするので、初心者でも読みやすい
・「3行で終わる短いプログラミング事例」を豊富に紹介
・難易度マークがついているので、難しい箇所は飛ばしながら読める
・巻末にRリファレンスがついているので、読み返しやすい


【内容】
第1部【導入編】Rを始める
第2部【初級編】Rによるデータ分析の基本
第3部【中級編】長いコードを書く技術
第4部【応用編】Tidyverseの活用
参考文献
索引
Rリファレンス

↓全て表示↑少なく表示
 
目次
■第1部 【導入編】Rを始める
 第1章 Rプログラミングの考え方
 第2章 Rを始める
■第2部 【初級編】Rによるデータ分析の基本
[プログラミングの体験]
 第1章 データ分析を体験する
 第2章 3行プログラミングを構成する要素
[データの取り扱いの基本]
 第3章 データの型
 第4章 ベクトル・行列・配列
 第5章 データフレーム
 第6章 いろいろなデータ構造の使い分け
 第7章 入出力
[様々な計算・分析処理の事例]
 第8章 演算子と論理演算
 第9章 3行以下で終わる分析の例:集計編
 第10章 3行以下で終わる分析の例:変換編
 第11章 3行以下で終わる分析の例:可視化編
 第12章 確率分布
 第13章 3行以下で終わる分析の例:推測統計編
 第14章 外部パッケージの活用
■第3部 【中級編】長いコードを書く技術
[環境構築]
 第1章 Gitによるバージョン管理
[Rの構文の理解]
 第2章 条件分岐と繰り返し
 第3章 関数の作成と関数の活用
 第4章 関数の応用的な使い方
[実装時の工夫]
第5章 長いコードを書くときの工夫
■第4部 【応用編】Tidyverseの活用
[導入]
 第1章 Tidyverseの基本
[Tidyverseによるデータ処理]
 第2章 パイプ演算子
 第3章 データの読み込み
 第4章 データの抽出・変換・集計
 第5章 日付の操作
 第6章 データの可視化
 第7章 データの整形と結合
 参考文献
 索引
 Rリファレンス

↓全て表示↑少なく表示
Users Voice
大学生の子の希望で購入しました。難しい本を読むのだなと感心。子が住んでいる住所へ送料無料で送る事ができ良かったです。 (参考:YahooShopping)

↓全て表示 ↑少なく表示
商品を注文してから届くまでが早くて満足です。 梱包も問題なかったです。 (参考:YahooShopping)

↓全て表示 ↑少なく表示
非常に丁寧で分かりやすい本。ゆっくり頭から読み通すのに最適。隙間がだいぶ埋まりました。 (参考:honto)

↓全て表示 ↑少なく表示
著者略歴
馬場真哉(ババシンヤ)
2014年北海道大学水産科学院修了。Logics of BlueというWebサイトの管理人(本データはこの書籍が刊行された当時に掲載されていたものです)

  

前処理大全[データ分析のためのSQL/R/Python実践テクニック]

こちらの書籍は 2019/05/29 紙版の4刷に対応するため更新をおこないました。(概要)
データサイエンスの現場において,その業務は「前処理」と呼ばれるデータの整形に多くの時間を費やすと言われています。「前処理」を効率よくこなすことで,予測モデルの構築やデータモデリングといった本来のデータサイエンス業務に時間を割くことができるわけです。
本書はデータサイエンスに取り組む上で欠かせない「前処理スキル」の効率的な処理方法を網羅的に習得できる構成となっています。ほとんどの問題についてR,Python,SQLを用いた実装方法を紹介しますので,複数のプロジェクトに関わるようなデータサイエンスの現場で重宝するでしょう。

(こんな方におすすめ)
・データサイエンティスト
・データ分析に興味のあるエンジニア

(目次)
第1章 前処理とは

第2章 抽出

第3章 集約

第4章 結合

第5章 分割

第6章 生成

第7章 展開

第8章 数値型

第9章 カテゴリ型

第10章 日時型

第11章 文字型

第12章 位置情報型

第13章 演習問題

↓全て表示↑少なく表示
 
目次
1 入門前処理(前処理とは)
2 データ構造を対象とした前処理(抽出
集約
結合
分割
生成
展開)
3 データ内容を対象とした前処理(数値型
カテゴリ型
日時型
文字型
位置情報型)
4 実践前処理(演習問題)
Users Voice
Awesome、Not Awesomeな書き方の違いについて、わかりやすい解説がなされており、すぐに実践で使える良書です。 (参考:YahooShopping)

↓全て表示 ↑少なく表示
とてもわかりやすいため、すぐに見れるようにしています。困ったときにすぐに調べられるので重宝しています。 (参考:honto)

↓全て表示 ↑少なく表示
実用書である。
なにかと派手な話題が多いデータサイエンスの中で、地味だが大切な前処理を取り上げている。
しかもSQL,R,Pythonの主要なツールについて併記してあり大変助かった。
今までSQLについてまったく知らなかったがなかなか奥深い分野と思われる。
第1章 前処理とは
第2章 抽出
第3章 集約
 SQLのWindow関数は大変役に立つ関数が多い
第4章 結合
 JOIN句の説明がわかりやすかった
 4-3過去データの結合、4-4全結合はとても役に立ちそう。
第5章 分割
第6章 生成
第7章 展開
 長いこと縦持ち、横持ちのことがわからなかったがpythonのpivot_tableでわかるようになった
第8章 数値型
 数値のカテゴリ化など使えそう
 数値の補完にこんな手法があったのは知らなかった(多重代入法)
第9章 カテゴリ型
 カテゴリ型は結構大切
第10章 日時型
 SQLの実行にPostgreSQLを使っていたがこの章ではエラーがでてほとんど実行できなかった
 データベースによっては方言が存在するのかな?
 10-7 平日/休日への変換は役立ちそう
第11章 文字型
 高度な内容だったので手がです
第12章 位置情報型
 今回はデータとして緯度、経度が準備されていてそれを使うだけだったが
 その位置情報そのものを集めてくるのが大変そう
まとめ
データはデータベースに置きSQLでデータを前さばきしながらPython/Rでデータ加工するのが
最強のセットかな?SQLのWindow関数をもっと知りたい。 (参考:honto)

↓全て表示 ↑少なく表示
著者略歴
本橋智光(モトハシトモミツ)
システム開発会社の研究員、Web系企業のデータサイエンティストを経て、デジタル医療スタートアップのサスメド株式会社のCTO。株式会社ホクソエムにも所属。量子アニーリングコンピュータの検証に個人事業主として従事している。製造業、小売業、金融業、運輸業、レジャー業、Webなど多様な業種のデータ分析経験を持つ。KDD CUP 2015 2位(本データはこの書籍が刊行された当時に掲載されていたものです)

↓全て表示↑少なく表示

  

Rによる機械学習[第3版]

Rによる機械学習[第3版]
(著)Brett Lantz
発売日 2021/02/10
総合評価
(4.6)
(2022/11/29 12:08時点)
絶え間なく更新されるベストプラクティスが
「ベスト」であり続けるための基礎技術のすべて

【本書の内容】
本書は
Brett Lantz, "Machine Learning with R - Third Edition",
Packt Publishing, 2019
の邦訳版です。

本書は「機械学習」で語られることの多い手法(最近傍法や回帰法、ナイーブベイズ
や決定木を使った分類法)を網羅し、それぞれの意味や成立条件を解説します。
といっても、ゴリゴリの数式だけを使うわけではなく、既存のデータを使用し、
それら手法によって解析した結果、どのようなグラフが表示されるか、を
手取り足取りで解説してくれます。
ですから、機械学習を構成するさまざまな手法を、実際に使えるレベルで理解できる
ようになります。
そのため、自身が関わるプロジェクトにおいて、どの手法がベストプラクティスと
なるのか、無意味な分析・解析を避ける勘所がわかるようになるでしょう。
「機械学習」を学んだものの「もやもや」に付きまとわれているエンジニアに
よく効く一冊です。

【本書のポイント】
・「機械学習」と呼ばれる手法を網羅
・手法を構成する手続きやその前準備を微細に解説
・各手法のメリットとデメリットも紹介
・実際に手を動かすことで各種手法を正しく利用できるようになる

【読者が得られること】
・機械学習とその派生手法のモデルを頭の中に構築できる
・機械学習を成立させるさまざまな手法に精通できる
・プロジェクトで真に必要な手法がわかる
・(ついでに)R言語(4.x系)も習得できる

【著者について】
・Brett Lantz(ブレット・ランツ)
社会学者として教育を受けた著者は、人間の行動を理解するために10年以上に
わたってイノベーティブなデータ手法を活用してきた。
DataCampの講師であり、世界中の機械学習カンファレンスやワークショップで
たびたび講演を行っている。

※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。
※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。
※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。
※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。

↓全て表示↑少なく表示
 
内容サンプル

(引用元Amazon)

 
目次
第1章 機械学習入門
1.1 機械学習の起源
1.2 機械学習の利用と乱用
1.3 機械はどのように学習するか
1.4 実際の機械学習
1.5 Rによる機械学習
1.6 まとめ
第2章 データを管理し、理解する
2.1 Rのデータ構造
2.2 Rでのデータの管理
2.3 データを調べて理解する
2.4 まとめ
第3章 怠惰学習―最近傍法を使った分類
3.1 最近傍法分類を理解する
3.2 例:k最近傍法を使って乳がんを診断する
3.3 まとめ
第4章 確率論的学習―ナイーブベイズを使った分類
4.1 ナイーブベイズを理解する
4.2 例:ナイーブベイズを使ってSMSスパムをフィルタリングする
4.3 まとめ
第5章 分割統治―決定木と分類ルールに基づく分類
5.1 決定木を理解する
5.2 例:C5.0の決定木を使ってあぶない融資を特定する
5.3 分類ルールを理解する
5.4 例:分類ルール学習器を使って毒キノコを識別する
5.5 まとめ
第6章 数値データを予測する―回帰法
6.1 回帰を理解する
6.2 例:線形回帰を使って医療費を予測する
6.3 回帰木とモデル木を理解する
6.4 例:回帰木とモデル木を使ってワインの品質を予測する
6.5 まとめ
第7章 ブラックボックス手法―ニューラルネットワークとサポートベクトルマシン
7.1 ニューラルネットワークを理解する
7.2 例:人工ニューラルネットワークを使ってコンクリートの強度をモデル化する
7.3 サポートベクトルマシンを理解する
7.4 例:SVMを使って文字を認識する
7.5 まとめ
第8章 パターン検出―相関ルールを使ったバスケット分析
8.1 相関ルールを理解する
8.2 例:相関ルールを使って頻繁に購入される商品を特定する
8.3 まとめ
第9章 データのグループを特定する―k-means法
9.1 クラスタリングを理解する
9.2 例:k-means法を使ってマーケティングセグメントを特定する
9.3 まとめ
第10章 モデルの性能を評価する
10.1 分類の性能を計測する
10.2 将来の性能を推定する
10.3 まとめ
第11章 モデルの性能を改善する
11.1 定番のモデルの性能を向上させる
11.2 メタ学習でモデルの性能を改善する
11.3 まとめ
第12章 機械学習の専門的なトピック
12.1 現実のデータの管理と前処理
12.2 オンラインデータとオンラインサービスの操作
12.3 問題領域固有のデータを操作する
12.4 Rの性能を向上させる
12.5 まとめ

↓全て表示↑少なく表示
Users Voice
第2版も使用していて大変役立ちました。第3版も期待どおり素晴らしい。 (参考:楽天)

↓全て表示 ↑少なく表示
内容サンプル

(引用元Amazon)

 
著者略歴
ランツ,ブレット(Lantz,Brett)
社会学者。DataCampの講師であり、世界中の機械学習カンファレンスやワークショップでたびたび講演を行っている(本データはこの書籍が刊行された当時に掲載されていたものです)

  

入門 機械学習による異常検知―Rによる実践ガイド

入門 機械学習による異常検知―Rによる実践ガイド
(著)剛, 井手
発売日 2015/02/19
総合評価
(4.2)
(2022/11/29 12:08時点)
 
内容サンプル

(引用元Amazon)

 
目次
1 異常検知の基本的な考え方
2 正規分布に従うデータからの異常検知
3 非正規データからの異常検知
4 性能評価の方法
5 不要な次元を含むデータからの異常検知
6 入力と出力があるデータからの異常検知
7 時系列データの異常検知
8 よくある悩みとその対処法
Users Voice
非常に発送が早くて助かりました。 また、包装もすごく丁寧にしていただけました。 商品も問題なく、信用できるショップだと思います。 ありがとうございました。 また、リピート購入したいと思います。 (参考:YahooShopping)

↓全て表示 ↑少なく表示
最尤推定とは「ある観測結果が与えられたとき、尤度とよばれる量が最大となるようにパラメターを決める」という手法で、確率分布の引数に観測結果を代入したものが尤度である。「データ洗浄」、「外れ値検出」、「クラスタリング」、「正準相関分布」、「異常部位検出」、「変化点検知」、「主成分分析」などの解説と数式的な根拠が記載されている。それぞれの手法をどのようにして、プログラムやビジネス、生活習慣に反映させて行くかが重要であることに変わりはないため、各手法の活用例や、長所や短所を把握するため再読を実施したい。 (参考:honto)

↓全て表示 ↑少なく表示
Rでざっとプログラムを実行したくらいのまさに流し読みなんですが、これは使いどころというか勘所がわからないと難しいです。再読必須なのですが、コロナ社のサポートページが充実しているので救いになれば。。 なんとなくですが、PRMLを初めて手にした時のわかりそうなのにわからない感が、この本にも(私には)あります。 (参考:honto)

↓全て表示 ↑少なく表示
著者略歴
井手剛(イデツヨシ)
1990年国立苫小牧工業高等専門学校機械工学科卒業、1993年東北大学工学部機械工学科卒業。2000年東京大学大学院博士課程修了(物理学専攻)、博士(理学)。2000年IBM東京基礎研究所研究員。2013年IBM T.J.Watson Research Center,Senior Technical Staff Member、現在に至る(本データはこの書籍が刊行された当時に掲載されていたものです)

↓全て表示↑少なく表示

  

基礎からわかる時系列分析―Rで実践するカルマンフィルタ・MCMC・粒子フィルタ― Data Science Librar...

時系列データ分析の基礎がしっかりわかる

時系列データとは、気温や株価のように時間順に得られる系列データを指します。

本書では時系列データの分析(時系列分析)の進め方を、基礎から説明します。
時系列分析にはさまざまなアプローチがありますが、
本書では探索的な方法と確率的な方法の両方を解説します。
具体的には、探索的な方法については移動平均に基づく方法、
確率的な方法については状態空間モデルに基づく方法を取り上げます。
これらの説明の中では、数式の意味やどのようにコードに落とし込むかについて、丁寧に解説をします。

また本書は応用的な話題についてもカバーしていますので、初めて時系列分析を試みる方はもちろん、
すでに時系列分析に携わっている方にも興味を持っていただける内容になっています。
 
内容サンプル

(引用元楽天Books)

 
目次
はじめに
確率・統計に関する基礎
Rで時系列データを扱う際の基礎
時系列分析ひとめぐり
状態空間モデル
状態空間モデルにおける状態の推定
線形・ガウス型状態空間モデルの一括解法
線形・ガウス型状態空間モデルの逐次解法
線形・ガウス型状態空間モデルにおける代表的な成分モデルの紹介と分析例
一般状態空間モデルの一括解法〔ほか〕

↓全て表示↑少なく表示
Users Voice
KFASに傾いていたのでdlmかーと思っていたけど『Rによるベイジアン動的線形モデル (統計ライブラリー)』の訳者の方が著者でした。 途中これでもかと繰り返される記述、dlmコード例が「基礎からわかる」には必須だし、類書の記号表記が揺れているのを補佐する記号比較一覧などかゆいところに手が届いている1冊。 (参考:honto)

↓全て表示 ↑少なく表示
手強い。だが丁寧。だが手強い。だが、、、また読みます。 (参考:honto)

↓全て表示 ↑少なく表示
内容サンプル

(引用元楽天Books)

 
著者略歴
萩原淳一郎(ハギワラジュンイチロウ)
2016年、北海道大学大学院情報科学研究科博士後期課程修了、博士(工学)。北海道大学客員教授

瓜生真也(ウリュウシンヤ)
1989年生まれ。神奈川県出身。2016年横浜国立大学大学院博士課程後期中退。企業でデータエンジニアとしての経験を積み、国立環境研究所に勤務。位置情報付きデータの空間解析やウェブデータの処理を専門とする。ウェブ上でのブログ等でRに関する話題提供を行う他、各種の勉強会やイベント等で発表、講師を務める

牧山幸史(マキヤマコウジ)
バイオインフォマティクス企業における統計解析業務、ECサイトのデータアナリストを経て、ヤフー株式会社データサイエンティスト、SBイノベンチャー株式会社AIエンジニア、株式会社ホクソエム代表取締役社長を兼務

石田基広(イシダモトヒロ)
徳島大学大学院教授。専門はテキストマイニング、授業ではデータ分析やプログラミングを担当(本データはこの書籍が刊行された当時に掲載されていたものです)

↓全て表示↑少なく表示

  

実践Data Scienceシリーズ RとStanではじめる ベイズ統計モデリングによるデータ分析入門 (KS情報科学専...

「基本をより実践的に!」学べる新シリーズの第一弾は、「統計モデリングの世界」へのファーストブック。基礎から学べる超入門!・チュートリアル形式だから、すぐに実践できる!・統計、確率、ベイズ推論、MCMCの基本事項から、やさしくサポート!・brmsやbayesplotなどのパッケージの使い方も、しっかり身につく!・一般化線形モデル(GLM)→一般化線形混合モデル(GLMM)→動的線形モデル(DLM)→動的一般化線形モデル(DGLM)を体系的に学べる!【本書のサポートページ】https://logics-of-blue.com/r-stan-bayesian-model-intro-book-support/ 【実践Data Scienceシリーズ】 「基本をより実践的に!」を合言葉に、データサイエンスで用いられる各種手法の基本を、プログラミングの実装とともに解説していきます。はじめて学ぶ大学生、大学院生、ソフトウェアエンジニアに向けた注目の新シリーズです。【主な内容】1部 【理論編】ベイズ統計モデリングの基本 1.はじめよう! ベイズ統計モデリング 2.統計学の基本 3.確率の基本 4.確率分布の基本 5.統計モデルの基本 6.ベイズ推論の基本 7.MCMCの基本/2部 【基礎編】RとStanによるデータ分析 1.Rの基本 2.データの要約 3.ggplot2によるデータの可視化 4.Stanの基本 5.MCMCの結果の評価 6.Stanコーディングの詳細/3部 【実践編】一般化線形モデル 1.一般化線形モデルの基本 2.単回帰モデル 3.モデルを用いた予測 4.デザイン行列を用いた一般化線形モデルの推定 5.brmsの使い方 6.ダミー変数と分散分析モデル 7.正規線形モデル 8.ポアソン回帰モデル 9.ロジスティック回帰モデル 10.交互作用/4部 【応用編】一般化線形混合モデル 1.階層ベイズモデルと一般化線形混合モデルの基本 2.ランダム切片モデル 3.ランダム係数モデル/5部 【応用編】状態空間モデル 1.時系列分析と状態空間モデルの基本 2.ローカルレベルモデル 3.状態空間モデルによる予測と補間 4.時変係数モデル 5.トレンドの構造 6.周期性のモデル化 7.自己回帰モデルとその周辺 8.動的一般化線形モデル:二項分布を仮定した例 9.動的一般化線形モデル:ポアソン分布を仮定した例

↓全て表示↑少なく表示
 
内容サンプル

(引用元Amazon)

 
目次
第1部 【理論編】ベイズ統計モデリングの基本
第1章 はじめよう! ベイズ統計モデリング
第2章 統計学の基本
第3章 確率の基本
第4章 確率分布の基本
第5章 統計モデルの基本
第6章 ベイズ推論の基本
第7章 MCMCの基本
第2部 【基礎編】RとStanによるデータ分析
第1章 Rの基本
第2章 データの要約
第3章 ggplot2によるデータの可視化
第4章 Stanの基本
第5章 MCMCの結果の評価
第6章 Stanコーディングの詳細
第3部 【実践編】一般化線形モデル
第1章 一般化線形モデルの基本
第2章 単回帰モデル
第3章 モデルを用いた予測
第4章 デザイン行列を用いた一般化線形モデルの推定
第5章 brmsの使い方
第6章 ダミー変数と分散分析モデル
第7章 正規線形モデル
第8章 ポアソン回帰モデル
第9章 ロジスティック回帰モデル
第10章 交互作用
第4部 【応用編】一般化線形混合モデル
第1章 階層ベイズモデルと一般化線形混合モデルの基本
第2章 ランダム切片モデル
第3章 ランダム係数モデル
第5部 【応用編】状態空間モデル
第1章 時系列分析と状態空間モデルの基本
第2章 ローカルレベルモデル
第3章 状態空間モデルによる予測と補間
第4章 時変係数モデル
第5章 トレンドの構造
第6章 周期性のモデル化
第7章 自己回帰モデルとその周辺
第8章 動的一般化線形モデル:二項分布を仮定した例
第9章 動的一般化線形モデル:ポアソン分布を仮定した例

↓全て表示↑少なく表示
Users Voice
Stanだけではなく、brmsなどのパッケージの使い方も丁寧に解説されていて大変良かったです。 (参考:YahooShopping)

↓全て表示 ↑少なく表示
ゼミで使うのに素晴らしい本です。授業を楽しんでる (参考:YahooShopping)

↓全て表示 ↑少なく表示
ベイズモデリングの見通しが良くなった。 数式は最小限で、実際にコードを書いて結果を見ながら何をしているのかを学んでいくというコンセプト。 あえて理論的な小難しい話には立ちいらず、雰囲気を掴んでいけるため、これからベイズ統計モデリングを学んでいくにあたり非常にためになる一冊であった。 簡単なモデルから出発し、章を追うごとに組み合わせるパーツを増やしていくため、とても読みやすい。 (参考:honto)

↓全て表示 ↑少なく表示
内容サンプル

(引用元Amazon)

 
著者略歴

著:馬場 真哉
Logics of Blue(https://logics-of-blue.com/)というWebサイトの管理人

著 書『平均・分散から始める一般化線形モデル入門』(プレアデス出版,2015年)
    『時系列分析と状態空間モデルの基礎:RとStanで学ぶ理論と実装』(プレアデス出版,2018年)
    『Pythonで学ぶあたらしい統計学の教科書』(翔泳社,2018年)


  

Rによるデータサイエンス(第2版):データ解析の基礎から最新手法まで

――進化を続ける「R」を使い倒す!
R言語によるデータ解析の入門書.データサイエンスブームに先駆けた初版の発行以来,網羅性と実用性の高さから,多くのRユーザーに支持を得てきたロングセラー.Rのバージョンアップへの対応に加え,深層学習やネットワーク分析など,ますます充実するパッケージの解説を加えた第2版.

~こんな方に~
・因子分析・ネットワーク分析・深層学習などの分析手法をすぐに試したい
・Rを使うとどんなデータ解析ができるのか,一通り知っておきたい
・幅広いデータ解析手法・機械学習法を, Rで動かしながら体感的に学びたい

◆電子版が発行されました/詳細は,森北出版webサイトにて

【目次】
第I部Rとデータマイニングの基礎
第1章データマイニングとR 言語
1.1 データマイニングとツール
1.2 Rの環境と基本操作
1.3 オブジェクトと関数
1.4 自作関数
1.5 パッケージ
1.6 ヘルプについて
1.7 参考資料について

第2章 データの入出力と編集
2.1 直接入力
2.2 エディタによる入力と編集
2.3 データファイルを読み込む
2.4 データの出力
2.5 データの結合と並び替え
2.6 データの尺度と表記

第3章 データの演算と固有値,基本統計量
3.1 データの演算
3.2 固有値と特異値の分解
3.3 基本統計量

第4章 データの視覚化
4.1 棒グラフ
4.2 円グラフ
4.3 ヒストグラム
4.4 折れ線グラフ
4.5 箱ひげ図
4.6 散布図
4.7 その他のグラフ
4.8 作図環境とグラフの利用
参考文献

第II部Rによるデータ解析・データマイニング
第5章 主成分分析
5.1 主成分分析とは
5.2 主成分分析の基礎
5.3 ケーススタディ
参考文献

第6章 因子分析
6.1 因子分析とは
6.2 因子分析の基礎
6.3 ケーススタディ
6.4 因子分析の関数fa と解析の例
6.5 補遺と注釈
参考文献

第7章 対応分析
7.1 対応分析とは
7.2 対応分析の基礎
7.3 ケーススタディ
7.4 多重対応分析
7.5 多元表の対応分析
7.6 補遺と注釈
参考文献

第8章 多次元尺度法
8.1 多次元尺度法とは
8.2 距離と類似度
8.3 計量MDS のケーススタディ
8.4 非計量MDS
8.5 補遺と注釈
参考文献

第9章 クラスター分析
9.1 クラスター分析とは
9.2 階層的クラスター分析
9.3 非階層的クラスター分析
9.4 モデルに基づいたクラスター分析
9.5 補遺と注釈
参考文献

第10章 自己組織化マップ
10.1 自己組織化マップとは
10.2 データ解析
10.3 補遺と注釈
参考文献

第11章 線形回帰分析
11.1 回帰分析とは
11.2 線形単回帰分析
11.3 線形重回帰分析
11.4 補遺と注釈
参考文献

第12章 非線形回帰分析
12.1 非線形回帰分析とは
12.2 ロジスティック回帰
12.3 多項式回帰
12.4 一般化線形モデル
12.5 平滑化回帰と加法モデル
12.6 補遺と注釈
参考文献

第13章 線形判別分析
13.1 判別分析とは
13.2 線形判別分析の基礎
13.3 ケーススタディ
13.4 交差確認
13.5 補遺と注釈
参考文献

第14章 非線形判別分析
14.1 非線形判別分析とは
14.2 距離による判別分析
14.3 多数決による判別分析
14.4 ベイズ判別法
14.5 補遺と注釈
参考文献

第15章 ツリーモデル
15.1 ツリーモデルとは
15.2 ツリーモデルの基礎
15.3 パッケージとケーススタディ
15.4 ツリーのグラフの作成
15.5 補遺と注釈
参考文献

第16章 集団学習
16.1 集団学習とは
16.2 バギング
16.3 ブースティング
16.4 ランダムフォレスト
16.5 補遺と注釈
参考文献

第17章 カーネル法とサポートベクターマシン
17.1 カーネルとは
17.2 カーネル主成分分析
17.3 サポートベクターマシン
17.4 補遺と注釈

第18章 ニューラルネットワーク
18.1 ニューラルネットワークとは
18.2 ニューラルネットワークの基礎
18.3 パッケージとケーススタディ
18.4 深層学習
18.5 補遺と注釈
参考文献

第19章 ネットワーク分析
19.1 ネットワーク分析とは
19.2 ネットワークの作成
19.3 ネットワークの統計量
19.4 コミュニティ分析
19.5 補遺と注釈
参考文献

第20章 アソシエーション分析
20.1 アソシエーション分析とは
20.2 相関ルール
20.3 頻出アイテムの抽出
20.4 抽出結果の補助分析
20.5 補遺と注釈
参考文献

第21章 時系列分析
21.1 時系列分析の基本概念とデータの操作
21.2 自己共分散と自己相関
21.3 スペクトル分析
21.4 ランダムウォークと単位根
21.5 AR モデル
21.6 ARMA/ARIMA モデル
21.7 その他のモデル
21.8 成分の分解
21.9 多変量時系列
21.10 カオス時系列
21.11 補遺と注釈
参考文献

第22章 生存分析
22.1 基本概念
22.2 ノンパラメトリックモデル
22.3 セミノンパラメトリックモデル
22.4 パラメトリックモデル
22.5 補遺と注釈

参考文献
関数とパッケージ一覧
索引[記号・英文・和文]

↓全て表示↑少なく表示
 
内容サンプル

(引用元Amazon)

 
目次
第1部 Rとデータマイニングの基礎
1.データマイニングとR言語
2.データの入出力と編集
3.データの演算と固有値,基本統計量
4.データの視覚化
第2部 Rによるデータ解析・データマイニング
5.主成分分析
6.因子分析
7.対応分析
8.多次元尺度法
9.クラスター分析
10.自己組織化マップ
11.線形回帰分析
12.非線形回帰分析
13.線形判別分析
14.非線形判別分析
15.ツリーモデル
16.集団学習
17.カーネル法とサポートベクターマシン
18.ニューラルネットワーク
19.ネットワーク分析
20.アソシエーション分析
21.時系列分析
22.生存分析

↓全て表示↑少なく表示
Users Voice
統計の手法には勉強になったが、独学だと分かりにくいケーススタデイだった。 (参考:YahooShopping)

↓全て表示 ↑少なく表示
分析手法のハンドブックのような本。
最初から順に読んでいってデータ分析を学んでいく本ではなく、
あの手法ってどういう手法だっけ、Rでどんな関数を使うんだっけ、というのを調べる時に使う本。
そのため、データ分析のプロセスに関する説明や、モデルの精度評価に関しての説明はない。 (参考:honto)

↓全て表示 ↑少なく表示
分析手法のハンドブックのような本。

最初から順に読んでいってデータ分析を学んでいく本ではなく、
あの手法ってどういう手法だっけ、Rでどんな関数を使うんだっけ、というのを調べる時に使う本。

そのため、データ分析のプロセスに関する説明や、モデルの精度評価に関しての説明はない。 (参考:楽天)

↓全て表示 ↑少なく表示
内容サンプル

(引用元Amazon)

 
著者略歴

著:金 明哲
同志社大教授 博士(学術)


   

R言語の本 最新・高評価のおすすめの5冊

以下が「R言語の本」最新・高評価のおすすめの5冊詳細です。

(2022/11/29 12:08 更新)
Rank製品価格
1
2,970円
2,970円
2,970円
2
改訂2版 RユーザのためのRStudio[実践]入門〜tidyverseによるモダンな分析フローの世界...
発売日 2021/06/03
松村 優哉, 湯谷 啓明, 紀ノ定 保礼, 前田 和寛 (技術評論社)
総合評価
(4.6)
3,278円
(+160pt)
3,278円
3,278円
3,278円
3
RとPythonで学ぶ[実践的]データサイエンス&機械学習【増補改訂版】...
発売日 2021/04/26
有賀 友紀, 大橋 俊介 (技術評論社)
総合評価
(4.6)
3,982円
(+119pt)
3,783円
3,982円
3,982円
4
Rによる機械学習[第3版]
発売日 2021/02/10
Brett Lantz (翔泳社)
総合評価
(4.6)
4,180円
(+125pt)
2,090円
4,180円
4,180円
5
3,300円
2,310円
2,310円
3,300円
 

自然科学研究のためのR入門―再現可能なレポート執筆実践― (Wonderful R 4)

近年,Rなどのオープンソースのデータ解析環境が整ってきており,これらを活用することで,実験・測定・調査を行った結果に対して,研究者自身の手で高度な分析手法を適用できるようになった。
しかし,自然科学研究の多様化に伴い,研究者が扱わなければいけないデータの種類や量は増える一方である。また,データ解析手順も複雑化している。そのため自然科学系の実験分野においても,データ解析の再現性の重要性は高まっている。
Rでは解析の再現性を保証する方法としてRMarkdownが広く活用されている。その方法は本シリーズ第3巻『再現可能性のすゝめ』で詳しく解説されているが,本書はその実践集である。自然科学分野で主に取り扱うデータを想定した上で,RおよびRStudioを活用して,実験ノートやレポートをまとめあげる方法を,本書では具体例をあげつつ詳しく説明している。
 
目次
Chapter 1 はじめに
1.1 RMarkdown
1.2 sessioninfoによるバージョン情報の確認
1.3 プロジェクトの作成
1.4 本章のまとめと参考文献
Chapter 2 基本的な統計モデリング―要因と目的変数の関係解析(1)
2.1 データの読み込み・概観チェック・集計・可視化
2.2 【レポート例2-1】
2.3 検定・相関解析
2.4 統計モデリング第一歩
2.5 【レポート例2-2】
2.6 本章のまとめと参考文献
Chapter 3 発展的な統計モデリング―要因と目的変数の関係解析(2)
3.1 データの読み込み・集計・可視化
3.2 【レポート例3-1】
3.3 検定
3.4 統計モデリング
3.5 【レポート例3-2】
3.6 本章のまとめと参考文献
Chapter 4 実験計画法と分散分析
4.1 一元配置分散分析―One-way ANOVAによる精製カラムの検討
4.2 二元配置分散分析―Two-way ANOVAによる検出器の検討
4.3 【レポート例4-1】
4.4 直交表を使った分散分析―多数の因子がある場合の組み合わせ効率化:注入口条件の最適化
4.5 分析法の検証
4.6 【レポート例4-2】
4.7 本章のまとめと参考文献
Chapter 5 機械学習―代謝産物の変動解析を例に
5.1 データの読み込み・加工・可視化・検定
5.2 機械学習による判別分析
5.3 変数重要度が上位の因子によるpathway解析および機能解析の準備
5.4 【レポート例5】
5.5 本章のまとめと参考文献
Chapter 6 実践 レポート作成―化学物質の分子記述子と物性の関係解析を例に
6.1 ファイル作成・YAML記述
6.2 本文の記述とデータの読み込み
6.3 機械学習モデル
6.4 バリデーションセットを用いた精度の検証
6.5 変数重要度
6.6 実行環境・引用文献
6.7 本章のまとめと参考文献

↓全て表示↑少なく表示
著者略歴
江口哲史(エグチアキフミ)
2013年愛媛大学理工学研究科博士後期課程修了。日本学術振興会特別研究員などを経て、千葉大学予防医学センター助教。専門、環境分析化学

石田基広(イシダモトヒロ)
1989年東京都立大学大学院博士後期課程中退。現在、徳島大学総合科学部教授。専攻、テキストマイニング(本データはこの書籍が刊行された当時に掲載されていたものです)

  

改訂2版 RユーザのためのRStudio[実践]入門〜tidyverseによるモダンな分析フローの世界

改訂2版 RユーザのためのRStudio[実践]入門〜tidyverseによるモダンな分析フローの世界
(著)松村 優哉, 湯谷 啓明, 紀ノ定 保礼, 前田 和寛
発売日 2021/06/03
総合評価
(4.6)
(2022/11/29 12:08時点)
(概要)
2018年に刊行した通称「#宇宙本」を最新の情報に改訂!
本書は、R言語のIDEであるRStudioと、モダンなデータ分析を実現するtidyverseパッケージの入門書です。RStudioの基本機能からはじまり、Rによるデータの収集(2章)、データの整形(3章)、可視化(4章)、レポーティング(5章)といったデータ分析ワークフローの各プロセスの基礎を押さえることができます。
RStudio v1.4に対応し、新たに追加されたVisual Editor機能やRStudio v1.2で追加された「Jobs機能」などを紹介します。また、dplyr 1.0に対応し、データ処理系の関数の解説を追加しています。さらに改訂版では付録として、「stringrによる文字列データの処理」「lubridateによる日付・時刻データの処理」の2章を追加しています。
さまざまな機能が追加されていくRStudioとtidyverseに触れ、モダンなデータ分析をはじめましょう!

(こんな方におすすめ)
・R / RStudioでモダンな分析環境を手にしたい方
・分析フローを意識した業務/解析をしたい方

(目次)
第1章 RStudioの基礎
1-1 RStudioのダウンロードとインストール
1-2 RStudioの基本操作
1-3 RStudioを自分好みにカスタマイズ
1-4 ファイルの読み込み
1-5 RやRStudioで困ったときは
1-6 まとめ
第2章 スクレイピングによるデータ収集
2-1 なぜスクレイピングが必要か
2-2 スクレイピングに必要なWeb知識
2-3 Rによるスクレイピング入門
2-4 API
2-5 まとめ
第3章 dplyr/tidyrによるデータ前処理
3-1 tidy dataとは
3-2 tidyrによるtidy dataへの変形
3-3 dplyrによる基本的なデータ操作
3-4 dplyrによる応用的なデータ操作
3-5 dplyrによる2つのデータセットの結合と絞り込み
3-6 tidyrのその他の関数
3-7 まとめ
第4章 ggplot2を用いたデータ可視化
4-1 可視化の重要性
4-2 ggplot2パッケージを用いた可視化
4-3 他者と共有可能な状態に仕上げる
4-4 便利なパッケージ
4-5 まとめ
第5章 R Markdownによるレポート生成
5-1 分析結果のレポーティング
5-2 R Markdown入門
5-3 出力形式
5-4 まとめ
付録A stringrによる文字列データの処理
A-1 文字列データとstringrパッケージ
A-2 文字列処理の例
A-3 正規表現
A-4 まとめ
付録B lubridateによる日付・時刻データの処理2
B-1 日付・時刻のデータ型とlubridateパッケージ
B-2 日付・時刻への変換
B-3 日付・時刻データの加工
B-4 interval
B-5 日付、時刻データの計算・集計例
B-6 タイムゾーンの扱い
B-7 その他の日付・時刻データ処理に関する関数

↓全て表示↑少なく表示
 
内容サンプル

(引用元Amazon)

 
目次
はじめに
 本書の特徴
 本書の構成
 本書の対象読者
 本書で解説しなかったこと
 さあRStudioで分析を
tidyverseとは
 tidyverseのパッケージ
 tidyverseの過去
 tidyverseの未来
第1章 RStudioの基礎
1-1 RStudioのダウンロードとインストール
 macOS
 Windows
1-2 RStudioの基本操作
 RStudioのインターフェース
 プロジェクト機能
 Rスクリプトの新規作成と保存
 Rのコマンドの実行
 オブジェクトの確認
 補完機能
 Jobs機能
1-3 RStudioを自分好みにカスタマイズ
 RStudio全般
 コーディング
 外観
 Terminal
 キーボードショートカット
1-4 ファイルの読み込み
 Rの標準関数の問題点
 readrパッケージ
 Excelファイルの読み込み
 SAS,SPSS,STATAファイルの読み込み
 RStudio(GUI)によるデータの読み込み
 ファイル読み込みのまとめ
1-5 RやRStudioで困ったときは
 ヘルプを使う
 Vignetteを見る
 チートシートを使う
 コマンドパレット
1-6 まとめ
第2章 スクレイピングによるデータ収集
2-1 なぜスクレイピングが必要か
 スクレイピングとは
 手作業によるデータ取得の限界
2-2 スクレイピングに必要なWeb知識
 HTML
 CSS
 XMLとXPath
2-3 Rによるスクレイピング入門
 rvestパッケージ
 Webページタイトルの抽出
 パイプ演算子
 スクレイピング実践
2-4 API
 APIとは
 rtweetパッケージによるTwitterデータの収集
 ツイートの収集
 COLUMN ブラウザの自動操作
 COLUMN Webスクレイピングをするときの注意点
2-5 まとめ
 参考文献
第3章 dplyr/tidyrによるデータ前処理
3-1 tidy dataとは
 tidy dataの定義
 tidyではないデータ
3-2 tidyrによるtidy dataへの変形
 tidyではないデータ
 pivot_longer()による縦長データへの変形
 pivot_wider()による横長のデータへの変形
3-3 dplyrによる基本的なデータ操作
 tibbleとデータフレームの違い
 dplyrの関数の概要
 1つのデータフレームを操作する関数の共通点と%>%
 演算子による処理のパイプライン化
 filter()による行の絞り込み
 COLUMN dplyrの関数内でのコード実行
 arrange()によるデータの並び替え
 select()による列の絞り込み
 relocate()による列の並べ替え
 mutate()による列の追加
 summarise()によるデータの集計計算
3-4 dplyrによる応用的なデータ操作
 グループ化
 COLUMN 複数の値を返す集約関数とsummarise()
 COLUMN ウィンドウ関数
 COLUMN selectのセマンティクスとmutateのセマンティクス
 複数の列への操作
3-5 dplyrによる2つのデータセットの結合と絞り込み
 inner_join()によるデータの結合
 さまざまなキーの指定方法
 inner_join()以外の関数によるデータの結合
 semi_join()、anti_join()による絞り込み
3-6 tidyrのその他の関数
 separate()による値の分割
 extract()による値の抽出
 separate_rows()による値の分割(縦方向)
 暗黙の欠損値
 complete()による存在しない組み合わせの検出
 COLUMN group_by()による存在しない組み合わせの表示
 fill()による欠損値の補完
 replace_na()による欠損値の置き換え
3-7 まとめ
第4章 ggplot2を用いたデータ可視化
4-1 可視化の重要性
4-2 ggplot2パッケージを用いた可視化
 準備
 エステティックマッピング
 COLUMN グラフに肉付けする
 統計的処理:stat
 COLUMN X軸に離散変数をマッピングした場合における折れ線グラフ
 配置の指定:position
 COLUMN position_dodge()とposition_dodge2()
 軸の調整
 グラフの保存
4-3 他者と共有可能な状態に仕上げる
 themeの変更
 文字サイズやフォントの変更
 配色の変更
 ラベルを変更する
4-4 便利なパッケージ
 複数のグラフを並べる
 表示される水準の順番を変更したい
4-5 まとめ
 参考文献
第5章 R Markdownによるレポート生成
5-1 分析結果のレポーティング
 ドキュメント作成の現場
 手作業によるドキュメント作成の問題点
5-2 R Markdown入門
 Hello, R Markdown
 Rmdファイルと処理フロー
 Markdownの基本
 Rチャンク
 ドキュメントの設定
 RStudioで使える便利なTips
 COLUMN Visual ModeによるRmdファイルの編集
5-3 出力形式
 html_document形式
 pdf_document形式
 word_document形式
 スライド出力
 R Markdownの出力形式を提供するパッケージ
 COLUMN 日本語環境での注意点
5-4 まとめ
 参考URL・参考文献
付録A stringrによる文字列データの処理
A-1 文字列データとstringrパッケージ
A-2 文字列処理の例
 str_c()による文字列の連結
 str_split()による文字列の分割
 str_detect()による文字列の判定
 COLUMN fixed()/coll()を用いた挙動の調整
 str_count()による検索対象の計上
 str_locate()による検索対象の位置の特定
 str_subset()/str_extract()による文字列の抽出
 str_sub()による文字列の抽出
 str_replace()による文字列の置換
 str_trim()/str_squish()による空白の除去
A-3 正規表現
 任意の文字や記号の検索
 高度な検索
 regex()
A-4 まとめ
付録B lubridateによる日付・時刻データの処理2
B-1 日付・時刻のデータ型とlubridateパッケージ
B-2 日付・時刻への変換
 文字列から日付・時刻への変換
 数値から日付・時刻への変換
 readrパッケージによる読み込み時の変換
B-3 日付・時刻データの加工
B-4 interval
B-5 日付、時刻データの計算・集計例
 wday()を使った曜日の計算例
 floor_date()を使った週ごとの集計例
B-6 タイムゾーンの扱い
B-7 その他の日付・時刻データ処理に関する関数
 zipanguパッケージ
 sliderパッケージ

↓全て表示↑少なく表示
Users Voice
とても迅速に発送していただき、すぐに手元に届きました。内容もR studioについて詳細に掘り下げてありとても分かりやすかったです。活用していきたいです。 (参考:YahooShopping)

↓全て表示 ↑少なく表示
内容サンプル

(引用元Amazon)

 
著者略歴

他著:松村 優哉
松村優哉(まつむら ゆうや) IT企業勤務。修士(経済学)。学生時代の専門はベイズ統計学、統計的因果推論およびそれらのマーケティングへの応用。ホームページ:https://ymattu.github.io/ 仕事および趣味でRを使用し、ブログ(https://y-mattu.hatenablog.com/)にてRやPythonなどの情報を発信しているほか、Rの勉強会Tokyo.Rの運営にも携わる。著書に『データサイエンティストのための最新知識と実践 Rではじめよう![モダン]なデータ分析』(マイナビ出版, 2017)。本書の第1章、第2章を執筆。

他著:湯谷 啓明
湯谷啓明(ゆたに ひろあき) IT企業勤務。データの可視化への興味からggplot2を知り、Rを使い始める。tidyverseへのコントリビューションも多数。技術ブログ(https://notchained.hatenablog.com/)でもRに関する小ネタや最新情報を発信している。好きな言語はRと忍殺語。著書に「Rによるスクレイピング入門」(C&R研究所, 2017)、翻訳書に「Rプログラミング本格入門」(共立出版, 2017)。本書の「tidyverseとは」、第3章、付録Bを執筆。

他著:紀ノ定 保礼
紀ノ定保礼(きのさだ やすのり) 静岡理工科大学情報学部 講師。博士(人間科学)。同志社大学文化情報学部在学中にRを習うも、当時はRStudioがなく、いつしか疎遠になる。統計モデリングとtidyverseへの興味から再びRを使い始め、今ではRはなくてはならない存在に。大阪大学大学院人間科学研究科助教を経て、現職。専門は、認知心理学、交通心理学、人間工学。翻訳書に『ベイズ統計モデリング-R, JAGS, Stanによるチュートリアル-原著第2版』(共立出版, 2017)。本書の第4章と付録Aを執筆。


↓全て表示↑少なく表示

  

RとPythonで学ぶ[実践的]データサイエンス&機械学習【増補改訂版】

(概要)

本書は野村総研で開催されている全社コンサルタントとエンジニア向けのビジネスアナリティクス講座をベースにした書籍の増補改訂版です。具体的なサンプルを元にデータ分析とモデリングを進めるところが特徴です。また、統計解析や機械学習では「何ができないか」や、ビジネスデータの分析時に陥りがちな「落とし穴」など、現場で活用できる実践的な解説も満載です。改訂にあたっては、全編を最新のシステム環境に合わせてまとめ直しました。環境設定についてはコラムでも細やかにフォローし、データサイエンスと機械学習の基礎が学びやすいように進化しています。


(こんな方におすすめ)

・データ分析・統計解析や機械学習について知りたい方

・データサイエンティストになりたい方


(目次)

第1章:データサイエンス入門

 1.1:データサイエンスの基本

 1.2:データサイエンスの実践

第2章:RとPython

 2.1:RとPython

 2.2:R入門

 2.3:Python入門

 2.4:RとPythonの実行例の比較

第3章:データ分析と基本的なモデリング

 3.1:データの特徴を捉える

 3.2:データからモデルを作る

 3.3:モデルを評価する

第4章:実践的なモデリング

 4.1:モデリングの準備

 4.2:データの加工

 4.3:モデリングの手法

 4.4:因果推論

第5章:機械学習とディープラーニング

 5.1:機械学習の基本とその実行

 5.2:機械学習アルゴリズムの例

 5.3:機械学習の手順

 5.4:機械学習の実践

 5.5:ディープラーニング

↓全て表示↑少なく表示
 
内容サンプル

(引用元Amazon)

 
目次
第1章:データサイエンス入門
 1.1:データサイエンスの基本
  1.1.1:データサイエンスの重要性
  1.1.2:データサイエンスの定義とその歴史
  1.1.3:データサイエンスにおけるモデリング
  1.1.4:データサイエンスとその関連領域
 1.2:データサイエンスの実践
  1.2.1:データサイエンスのプロセスとタスク
  1.2.2:データサイエンスの実践に必要なツール
  1.2.3:データサイエンスの実践に必要なスキル
  1.2.4:データサイエンスの限界と課題
 コラム:ビジネス活用における留意点
第2章:RとPython
 2.1:RとPython
  2.1.1:RとPythonの比較
 2.2:R入門
  2.2.1:Rの概要
  2.2.2:Rの文法
  2.2.3:データ構造と制御構造
 2.3:Python入門
  2.3.1:Pythonの概要
  2.3.2:Pythonの文法
  2.3.3:Pythonでのプログラミング
  2.3.4:NumPyとpandas
 2.4:RとPythonの実行例の比較
  2.4.1:簡単な分析の実行例
第3章:データ分析と基本的なモデリング
 3.1:データの特徴を捉える
  3.1.1:分布の形を捉える ─ ビジュアルでの確認
  3.1.2:要約統計量を算出する ─ 代表値とばらつき
  3.1.3:関連性を把握する ─ 相関係数の使い方と意味
  3.1.4:Rを使った相関分析 ─ 自治体のデータを使った例
  3.1.5:確立分布とその利用 ─ 理論と実際の考え方
 3.2:データからモデルを作る
  3.2.1:目的変数と説明変数 ─ 説明と予測の「向き」
  3.2.2:簡単な線形回帰モデル ─ Rによる実行と結果
  3.2.3:ダミー変数を使ったモデル ─ グループ間の差異を分析
  3.2.4:複雑な線形回帰モデル ─ 交互作用,モデル間の比較
  3.2.5:線形回帰の仕組みと最小二乗法
 3.3:モデルを評価する
  3.3.1:モデルを評価するための観点
  3.3.2:この結果は偶然ではないのか? ─ 有意確率と有意差検定
  3.3.3:モデルはデータに当てはまっているか? ─ フィッティングと決定係数
  3.3.4:モデルは複雑すぎないか? ─ オーバーフィッティングと予測精度
  3.3.5:残差の分布 ─ 線形回帰モデルと診断プロット
  3.3.6:説明変数同士の相関 ─ 多重共線性
  3.3.7:標準偏回帰係数
第4章:実践的なモデリング
 4.1:モデリングの準備
  4.1.1:データの準備と加工
  4.1.2:分析とモデリングの手法
 4.2:データの加工
  4.2.1:データのクレンジング
  4.2.2:カテゴリ変数の加工
  4.2.3:数値変数の加工とスケーリング
  4.2.4:分布の形を変える ─ 対数変換とロジット変換
  4.2.5:欠損値の処理
  4.2.6:外れ値の処理
 4.3:モデリングの手法
  4.3.1:グループに分ける ─ クラスタリング
  4.3.2:指標を集約する ─ 因子分析と主成分分析
  4.3.3:一般化線形モデル(GLM)とステップワイズ法
  4.3.4:2値データを目的変数とする分析 ─ ロジスティック回帰
  4.3.5:セグメントの抽出とその特徴の分析 ─ 決定木
 4.4:因果推論
  4.4.1:データから因果関係を明らかにする ─ 統計的因果推論
  4.4.2:因果の有無の検証
  4.4.3:因果効果の推定
  4.4.4:因果関係の定式化 ─ 構造方程式モデリング
  4.4.5:因果関係の定式化 ─ 構造的因果モデル
  4.4.6:因果関係の定式化 ─ ベイズ統計モデリング
  4.4.7:因果の探索
  4.4.8:因果関係に基づく変数選択
第5章:機械学習とディープラーニング
 5.1:機械学習の基本とその実行
  5.1.1:機械学習の基本
  5.1.2:機械学習ライブラリの活用 ─ scikit-learn
  5.1.3:機械学習の実行(教師あり学習)
  5.1.4:機械学習の実行(教師なし学習)
  5.1.5:スケーリングの実行(標準化・正規化)
  5.1.6:次元の削減(主成分分析)
 コラム:機械学習と強化学習
 5.2:機械学習アルゴリズムの例
  5.2.1:k近傍法
  5.2.2:ランダムフォレスト
  5.2.3:ロジスティック回帰とリッジ回帰
  5.2.4:サポートベクターマシン(SVM)
 5.3:機械学習の手順
  5.3.1:機械学習の主要な手順
  5.3.2:ホールドアウト法による実行
  5.3.3:クロスバリデーションとグリッドサーチ
  5.3.4:閾値の調整
  5.3.5:特徴量の重要度と部分従属プロット
 5.4:機械学習の実践
  5.4.1:データの準備に関わる問題
  5.4.2:特徴抽出と特徴ベクトル
  5.4.3:機械学習の実行例
 5.5:ディープラーニング
  5.5.1:ニューラルネットワーク
  5.5.2:ディープラーニングを支える技術
  5.5.3:ディープラーニング・フレームワーク
  5.5.4:ディープラーニングの実行
  5.5.5:生成モデル

↓全て表示↑少なく表示
内容サンプル

(引用元Amazon)

 
  

Rによる機械学習[第3版]

Rによる機械学習[第3版]
(著)Brett Lantz
発売日 2021/02/10
総合評価
(4.6)
(2022/11/29 12:08時点)
絶え間なく更新されるベストプラクティスが
「ベスト」であり続けるための基礎技術のすべて

【本書の内容】
本書は
Brett Lantz, "Machine Learning with R - Third Edition",
Packt Publishing, 2019
の邦訳版です。

本書は「機械学習」で語られることの多い手法(最近傍法や回帰法、ナイーブベイズ
や決定木を使った分類法)を網羅し、それぞれの意味や成立条件を解説します。
といっても、ゴリゴリの数式だけを使うわけではなく、既存のデータを使用し、
それら手法によって解析した結果、どのようなグラフが表示されるか、を
手取り足取りで解説してくれます。
ですから、機械学習を構成するさまざまな手法を、実際に使えるレベルで理解できる
ようになります。
そのため、自身が関わるプロジェクトにおいて、どの手法がベストプラクティスと
なるのか、無意味な分析・解析を避ける勘所がわかるようになるでしょう。
「機械学習」を学んだものの「もやもや」に付きまとわれているエンジニアに
よく効く一冊です。

【本書のポイント】
・「機械学習」と呼ばれる手法を網羅
・手法を構成する手続きやその前準備を微細に解説
・各手法のメリットとデメリットも紹介
・実際に手を動かすことで各種手法を正しく利用できるようになる

【読者が得られること】
・機械学習とその派生手法のモデルを頭の中に構築できる
・機械学習を成立させるさまざまな手法に精通できる
・プロジェクトで真に必要な手法がわかる
・(ついでに)R言語(4.x系)も習得できる

【著者について】
・Brett Lantz(ブレット・ランツ)
社会学者として教育を受けた著者は、人間の行動を理解するために10年以上に
わたってイノベーティブなデータ手法を活用してきた。
DataCampの講師であり、世界中の機械学習カンファレンスやワークショップで
たびたび講演を行っている。

※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。
※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。
※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。
※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。

↓全て表示↑少なく表示
 
内容サンプル

(引用元Amazon)

 
目次
第1章 機械学習入門
1.1 機械学習の起源
1.2 機械学習の利用と乱用
1.3 機械はどのように学習するか
1.4 実際の機械学習
1.5 Rによる機械学習
1.6 まとめ
第2章 データを管理し、理解する
2.1 Rのデータ構造
2.2 Rでのデータの管理
2.3 データを調べて理解する
2.4 まとめ
第3章 怠惰学習―最近傍法を使った分類
3.1 最近傍法分類を理解する
3.2 例:k最近傍法を使って乳がんを診断する
3.3 まとめ
第4章 確率論的学習―ナイーブベイズを使った分類
4.1 ナイーブベイズを理解する
4.2 例:ナイーブベイズを使ってSMSスパムをフィルタリングする
4.3 まとめ
第5章 分割統治―決定木と分類ルールに基づく分類
5.1 決定木を理解する
5.2 例:C5.0の決定木を使ってあぶない融資を特定する
5.3 分類ルールを理解する
5.4 例:分類ルール学習器を使って毒キノコを識別する
5.5 まとめ
第6章 数値データを予測する―回帰法
6.1 回帰を理解する
6.2 例:線形回帰を使って医療費を予測する
6.3 回帰木とモデル木を理解する
6.4 例:回帰木とモデル木を使ってワインの品質を予測する
6.5 まとめ
第7章 ブラックボックス手法―ニューラルネットワークとサポートベクトルマシン
7.1 ニューラルネットワークを理解する
7.2 例:人工ニューラルネットワークを使ってコンクリートの強度をモデル化する
7.3 サポートベクトルマシンを理解する
7.4 例:SVMを使って文字を認識する
7.5 まとめ
第8章 パターン検出―相関ルールを使ったバスケット分析
8.1 相関ルールを理解する
8.2 例:相関ルールを使って頻繁に購入される商品を特定する
8.3 まとめ
第9章 データのグループを特定する―k-means法
9.1 クラスタリングを理解する
9.2 例:k-means法を使ってマーケティングセグメントを特定する
9.3 まとめ
第10章 モデルの性能を評価する
10.1 分類の性能を計測する
10.2 将来の性能を推定する
10.3 まとめ
第11章 モデルの性能を改善する
11.1 定番のモデルの性能を向上させる
11.2 メタ学習でモデルの性能を改善する
11.3 まとめ
第12章 機械学習の専門的なトピック
12.1 現実のデータの管理と前処理
12.2 オンラインデータとオンラインサービスの操作
12.3 問題領域固有のデータを操作する
12.4 Rの性能を向上させる
12.5 まとめ

↓全て表示↑少なく表示
Users Voice
第2版も使用していて大変役立ちました。第3版も期待どおり素晴らしい。 (参考:楽天)

↓全て表示 ↑少なく表示
内容サンプル

(引用元Amazon)

 
著者略歴
ランツ,ブレット(Lantz,Brett)
社会学者。DataCampの講師であり、世界中の機械学習カンファレンスやワークショップでたびたび講演を行っている(本データはこの書籍が刊行された当時に掲載されていたものです)

  

実践Data Scienceシリーズ RとStanではじめる ベイズ統計モデリングによるデータ分析入門 (KS情報科学専...

「基本をより実践的に!」学べる新シリーズの第一弾は、「統計モデリングの世界」へのファーストブック。基礎から学べる超入門!・チュートリアル形式だから、すぐに実践できる!・統計、確率、ベイズ推論、MCMCの基本事項から、やさしくサポート!・brmsやbayesplotなどのパッケージの使い方も、しっかり身につく!・一般化線形モデル(GLM)→一般化線形混合モデル(GLMM)→動的線形モデル(DLM)→動的一般化線形モデル(DGLM)を体系的に学べる!【本書のサポートページ】https://logics-of-blue.com/r-stan-bayesian-model-intro-book-support/ 【実践Data Scienceシリーズ】 「基本をより実践的に!」を合言葉に、データサイエンスで用いられる各種手法の基本を、プログラミングの実装とともに解説していきます。はじめて学ぶ大学生、大学院生、ソフトウェアエンジニアに向けた注目の新シリーズです。【主な内容】1部 【理論編】ベイズ統計モデリングの基本 1.はじめよう! ベイズ統計モデリング 2.統計学の基本 3.確率の基本 4.確率分布の基本 5.統計モデルの基本 6.ベイズ推論の基本 7.MCMCの基本/2部 【基礎編】RとStanによるデータ分析 1.Rの基本 2.データの要約 3.ggplot2によるデータの可視化 4.Stanの基本 5.MCMCの結果の評価 6.Stanコーディングの詳細/3部 【実践編】一般化線形モデル 1.一般化線形モデルの基本 2.単回帰モデル 3.モデルを用いた予測 4.デザイン行列を用いた一般化線形モデルの推定 5.brmsの使い方 6.ダミー変数と分散分析モデル 7.正規線形モデル 8.ポアソン回帰モデル 9.ロジスティック回帰モデル 10.交互作用/4部 【応用編】一般化線形混合モデル 1.階層ベイズモデルと一般化線形混合モデルの基本 2.ランダム切片モデル 3.ランダム係数モデル/5部 【応用編】状態空間モデル 1.時系列分析と状態空間モデルの基本 2.ローカルレベルモデル 3.状態空間モデルによる予測と補間 4.時変係数モデル 5.トレンドの構造 6.周期性のモデル化 7.自己回帰モデルとその周辺 8.動的一般化線形モデル:二項分布を仮定した例 9.動的一般化線形モデル:ポアソン分布を仮定した例

↓全て表示↑少なく表示
 
内容サンプル

(引用元Amazon)

 
目次
第1部 【理論編】ベイズ統計モデリングの基本
第1章 はじめよう! ベイズ統計モデリング
第2章 統計学の基本
第3章 確率の基本
第4章 確率分布の基本
第5章 統計モデルの基本
第6章 ベイズ推論の基本
第7章 MCMCの基本
第2部 【基礎編】RとStanによるデータ分析
第1章 Rの基本
第2章 データの要約
第3章 ggplot2によるデータの可視化
第4章 Stanの基本
第5章 MCMCの結果の評価
第6章 Stanコーディングの詳細
第3部 【実践編】一般化線形モデル
第1章 一般化線形モデルの基本
第2章 単回帰モデル
第3章 モデルを用いた予測
第4章 デザイン行列を用いた一般化線形モデルの推定
第5章 brmsの使い方
第6章 ダミー変数と分散分析モデル
第7章 正規線形モデル
第8章 ポアソン回帰モデル
第9章 ロジスティック回帰モデル
第10章 交互作用
第4部 【応用編】一般化線形混合モデル
第1章 階層ベイズモデルと一般化線形混合モデルの基本
第2章 ランダム切片モデル
第3章 ランダム係数モデル
第5部 【応用編】状態空間モデル
第1章 時系列分析と状態空間モデルの基本
第2章 ローカルレベルモデル
第3章 状態空間モデルによる予測と補間
第4章 時変係数モデル
第5章 トレンドの構造
第6章 周期性のモデル化
第7章 自己回帰モデルとその周辺
第8章 動的一般化線形モデル:二項分布を仮定した例
第9章 動的一般化線形モデル:ポアソン分布を仮定した例

↓全て表示↑少なく表示
Users Voice
Stanだけではなく、brmsなどのパッケージの使い方も丁寧に解説されていて大変良かったです。 (参考:YahooShopping)

↓全て表示 ↑少なく表示
ゼミで使うのに素晴らしい本です。授業を楽しんでる (参考:YahooShopping)

↓全て表示 ↑少なく表示
ベイズモデリングの見通しが良くなった。 数式は最小限で、実際にコードを書いて結果を見ながら何をしているのかを学んでいくというコンセプト。 あえて理論的な小難しい話には立ちいらず、雰囲気を掴んでいけるため、これからベイズ統計モデリングを学んでいくにあたり非常にためになる一冊であった。 簡単なモデルから出発し、章を追うごとに組み合わせるパーツを増やしていくため、とても読みやすい。 (参考:honto)

↓全て表示 ↑少なく表示
内容サンプル

(引用元Amazon)

 
著者略歴

著:馬場 真哉
Logics of Blue(https://logics-of-blue.com/)というWebサイトの管理人

著 書『平均・分散から始める一般化線形モデル入門』(プレアデス出版,2015年)
    『時系列分析と状態空間モデルの基礎:RとStanで学ぶ理論と実装』(プレアデス出版,2018年)
    『Pythonで学ぶあたらしい統計学の教科書』(翔泳社,2018年)


   

R言語の本「新書一覧(2021年、2022年刊行)」

IT技術・プログラミング言語は、最新情報のキャッチアップも非常に重要、すなわち新書は要チェック

ということで、2020年以降に発売したR言語の本の新書一覧(発売日の新しい順)が以下です。

(2022/11/29 12:08 更新)
製品価格
Rが生産性を高める〜データ分析ワークフロー効率化の実践
発売日 2022/01/26
igjit, atusy, hanaori (技術評論社)
3,190円
(+145pt)
3,190円
3,190円
3,278円
3,278円
3,278円
3,520円
(+160pt)
2,464円
3,520円
3,300円
3,300円
3,300円
データサイエンスのための Rプログラミングスキル
発売日 2021/07/07
Michael Freeman, Joel Ross (共立出版)
総合評価
(5)
5,280円
(+158pt)
5,280円
5,280円
改訂2版 RユーザのためのRStudio[実践]入門〜tidyverseによるモダンな分析フローの世界...
発売日 2021/06/03
松村 優哉, 湯谷 啓明, 紀ノ定 保礼, 前田 和寛 (技術評論社)
総合評価
(4.6)
3,278円
(+160pt)
3,278円
3,278円
3,278円
RとPythonで学ぶ統計学入門
発売日 2021/05/24
増井敏克 (オーム社)
総合評価
(4.4)
3,300円
2,970円
3,300円
3,300円
RとPythonで学ぶ[実践的]データサイエンス&機械学習【増補改訂版】...
発売日 2021/04/26
有賀 友紀, 大橋 俊介 (技術評論社)
総合評価
(4.6)
3,982円
(+119pt)
3,783円
3,982円
3,982円
Rによる機械学習[第3版]
発売日 2021/02/10
Brett Lantz (翔泳社)
総合評価
(4.6)
4,180円
(+125pt)
2,090円
4,180円
4,180円
サラっとできる!フリー統計ソフトEZR(Easy R)でカンタン統計解析...
発売日 2020/11/30
神田善伸 (オーム社)
総合評価
(4.3)
2,860円
2,574円
2,860円
2,860円
 

R言語の本「Kindle Unlimited 読み放題 人気本ランキング」

「Kindle Unlimited」は、Amazonの定額本読み放題サービス。

最近はKindle Unlimitedで読める本もどんどん増えており、雑誌、ビジネス書、実用書などは充実のラインナップ。

以下がKindle Unlimitedで読み放題となるR言語の本の一覧です。

30日無料体験も可能なので、読みたい本があれば体験期間で無料で読むことも可能です。

(2022/11/29 12:08 更新)
Rank製品価格
1
実践入門!ゼロから学ぶR言語
発売日 2020/03/28
きのこ
Kindle Unlimited対象
総合評価
(3.5)
350円
 

関連:Python・データ解析系の本

以下ではRと同じくデータ解析・統計分析に有用なPythonと、機械学習・データ解析系の本をまとめています、合わせてのぞいて見てください。

いじょうでっす。

コメント

タイトルとURLをコピーしました