Pythonによる機械学習を進める上で、頻繁に遭遇すると思われる200超の問題とその解決策を紹介。データ構造(ベクトル、行列、配列)、数値データ、カテゴリデータ、テキスト、画像、日時データの取り扱いといったデータ分析の基本から、特徴量抽出、次元削減、モデルの評価と選択、線形回帰、決定木、ランダムフォレスト、k-最近傍法、SVM、ナイーブベイズ、クラスタリング、ニューラルネットワーク、訓練済みモデルのセーブとロードなど、幅広い内容をカバー。巻末に日本語版付録「日本語テキストの取り扱い」を収録。「やりたいこと」「困っていること」に答えてくれる一冊です。 はじめに 1章 ベクトル、行列、配列 レシピ1.0 はじめに レシピ1.1 ベクトルの作成 レシピ1.2 行列の作成 レシピ1.3 疎行列の作成 レシピ1.4 要素の選択 レシピ1.5 行列の性質を取得する レシピ1.6 要素に対する計算 レシ