【2024年】「回帰分析」のおすすめ 本 155選!人気ランキング
- マンガでわかる統計学 (回帰分析編)
- 多変量解析法入門 (ライブラリ新数学大系 E20)
- Kaggleで勝つデータ分析の技術
- 統計学入門 (基礎統計学Ⅰ)
- データ解析のための統計モデリング入門――一般化線形モデル・階層ベイズモデル・MCMC (確率と情報の科学)
- 経済・ファイナンスデータの計量時系列分析 (統計ライブラリー)
- カ-ネル多変量解析: 非線形デ-タ解析の新しい展開 (シリーズ確率と情報の科学)
- 機械学習のエッセンス -実装しながら学ぶPython,数学,アルゴリズム- (Machine Learning)
- 完全独習 統計学入門
- はじめてのパターン認識
本書は、回帰分析、重回帰分析、ロジスティック回帰分析について解説しており、基礎知識から実践的な計算方法までをカバーしています。著者は高橋信氏で、統計学を基にした情報サービス業に従事しています。
本書は、多変量解析法の入門書であり、統計的方法を習得した人を対象に、簡単な例を用いて理論を2次行列で解説しています。主要な内容には、単回帰分析、重回帰分析、主成分分析、クラスター分析などが含まれています。著者は早稲田大学の教授で、統計学に関する多くの著作があります。
本書は、データサイエンスにおけるコンペティション、特にKaggleに焦点を当て、実践的なデータ分析手法やテクニックを紹介しています。分析コンペに参加することで得られるスキルは、実務でも役立つため、特徴量の作成やモデルの評価、チューニングなどの具体的な内容が含まれています。著者たちは、データサイエンスの専門家であり、実績を持つKaggleの競技者です。この本は、コンペに挑戦したい人や実務でのモデル精度向上を目指す人にとって有益な情報源となるでしょう。
データ分析コンペKaggleに挑戦するならこれをまず読んでおけば大丈夫!Kaggleに参加しないにしてもデータ分析の本質やテクニックがギュッと詰まっているので実務に活かせる。高度な内容も登場するが分かりやすく解説してくれるので初心者でも読みやすい。それでいてベテランの人も多くの学びがある書籍。著者はKaggleの最上位グランドマスターの方々であり説得力がある。過去のコンペの事例も取り上げてくれるのでそんなアプローチあったのかぁと学びが深い。文句なしの星5つ!
文科と理科両方の学生のために,統計的なものの考え方の基礎をやさしく解説するとともに,統計学の体系的な知識を与えるように,編集・執筆された.豊富な実際例を用いつつ,図表を多くとり入れ,視覚的にもわかりやすく親しみながら学べるよう配慮した. 第1章 統計学の基礎(中井検裕,縄田和満,松原 望) 第2章 1次元のデータ(中井検裕) 第3章 2次元のデータ(中井研裕,松原 望) 第4章 確率(縄田和満,松原 望) 第5章 確率変数(松原 望) 第6章 確率分布(松原 望) 第7章 多次元の確率分布(松原 望) 第8章 大数の法則と中心極限定理(中井検裕) 第9章 標本分布(縄田和満) 第10章 正規分布からの標本(縄田和満) 第11章 推定(縄田和満) 第12章 仮説検定(縄田和満,松原 望) 第13章 回帰分析(縄田和満) 統計数値表 練習問題の解答
この書籍は、数理モデルを用いて現象を理解するための基本的な統計モデルの考え方を、章ごとに異なる例題を通じて解説しています。前半では一般化線形モデル(GLM)の基礎を紹介し、後半では階層ベイズモデル化の手法をRとWinBUGSを用いて具体的に説明します。著者は久保拓弥氏で、生態学のデータ解析に関する統計学的方法を研究しています。
線形回帰分析を学んでそこから一般化線形回帰モデル、ベイズと拡張していく上で非常にオススメな本。初学者には少々難解な部分もあるが、統計学を学ぶ上で必ずどこかで読んで欲しい書籍。学生の時に読んだが、これを読むことでこれまで学んできた内容が整理され頭がクリアになった記憶がある。統計学を語るなら絶対読んで欲しい非常におすすめの書籍。
この書籍は、時系列分析の基礎から応用までを詳しく解説しています。内容は、時系列分析の基礎概念、ARMA過程、予測手法、VARモデル、単位根過程、見せかけの回帰と共和分、GARCHモデル、状態変化を伴うモデルに分かれています。著者の沖本竜義は、経済学と統計学の専門家であり、実データへの応用に必要な知識を提供しています。
本書は、機械学習の有名なアルゴリズムをPythonを用いてゼロから実装することを目的としています。実用的なフレームワークを使用するのではなく、機械学習の仕組みを深く理解することで応用力や問題解決力を高めることを目指しています。内容は、Pythonの基本、機械学習に必要な数学、数値計算、そして具体的な機械学習アルゴリズムに関する解説を含んでおり、初心者や実務に携わるエンジニアに適しています。著者はシルバーエッグ・テクノロジーのチーフサイエンティストで、機械学習アルゴリズムの設計・実装に精通しています。
この書籍は、マーケティング調査や金融リスク、株・為替のボラティリティ、選挙の出口調査など、さまざまな分野でのデータ分析の基礎を解説しています。内容は、標準偏差や検定、区間推定などの基本的な統計手法から、観測データを用いた母集団の推定方法まで幅広くカバーしています。著者は帝京大学の助教授で、数理経済学を専門とする小島寛之氏です。
この入門書は、パターン認識について基礎からわかりやすく解説しており、特にRを用いた実行例が含まれているため、実際の応用にも役立ちます。内容は識別規則や学習法、ベイズの識別規則、k最近傍法、サポートベクトルマシンなど多岐にわたり、最後には識別器の性能強化についても触れています。著者は筑波大学の名誉教授、平井有三氏です。
「はじめての」とついているが入門書ではなく結構難しい。ただ、機械学習の様々な手法が数式から学べるため中級者〜上級者には良いと思う。他の入門書で機械学習の概要を掴んだ後に読むべき本。
本書は、欠測データの解析における多重代入法の実用的な手法を解説しています。従来の書籍では理論中心でしたが、本書では具体的な応用事例や手順を示し、社会科学の分析手法(t検定、重回帰分析、ロジスティック回帰分析など)における欠測データ処理を詳述しています。Rコードと実データを用いて、読者が実際に手順を再現しながら学ぶことができるようになっています。著者は、統計科学や不完全データ処理法の専門家です。
本書では、統計学があらゆる学問の中で最強である理由を解説し、現代社会におけるその重要性や影響力を最新の事例を通じて探求しています。著者は、統計学の基本概念や手法(サンプリング、誤差、因果関係、ランダム化など)を紹介し、統計学の魅力とパワフルさを伝えます。著者は東京大学出身の専門家で、データを活用した社会イノベーションに取り組んでいます。
学生の時にこの書籍を読んで統計学に興味を持った。統計学の魅力について分かりやすく学べる書籍。専門的な内容はそれほどないのでスラスラ読める。統計学ってどんなことができるの?なんでそんなにすごいの?ということを知りたい人がまず最初に読むべき本。
本書は、AI・データ分析プロジェクトの成功には技術知識だけでなく「ビジネス力」が重要であることを強調しています。データサイエンティストのキャリアや業界の概要から始まり、プロジェクトの立ち上げ、実行、評価、収益化までのノウハウを網羅。具体的には、課題設定、案件獲得、データ分析手法の検討、レポーティングなどのプロセスを解説し、実務に役立つ情報を提供しています。著者は業界の専門家で、実践的な知識を基にした内容となっています。
本書は、統計学の基礎から応用までを扱った内容で、基礎編ではR言語を用いた記述統計や統計的仮説検定について解説し、応用編ではベクトルや行列、データフレーム、外れ値の影響などを取り上げています。著者は、教育心理学を専門とする学者たちで、各自が教育機関での実績を持っています。
本書は「統計モデリングの世界」への入門書で、統計、確率、ベイズ推論、MCMCの基本をチュートリアル形式で学べる内容です。RやStanを用いたデータ分析の基礎から、一般化線形モデルや一般化線形混合モデル、状態空間モデルまでを体系的に解説しています。データサイエンスを学ぶ大学生やエンジニア向けの実践的なシリーズの一環として、すぐに実践できるスキルを身につけることができます。
この文章は、統計学に関する書籍の目次と著者情報を紹介しています。目次には、一変量データや多変量データの記述、確率分布、推定方法、仮説検定などのテーマが含まれています。著者は神永正博と木下勉で、それぞれの学歴と職歴が簡潔に記載されています。神永は数学の博士で、木下は工学の博士です。
本書は、機械学習アルゴリズムをオールカラーの図を用いてわかりやすく解説した入門書です。17種類のアルゴリズムを紹介し、各アルゴリズムの仕組みや使用方法、注意点を詳述しています。Pythonを用いたコードも掲載されており、実際に試しながら学ぶことができます。機械学習を学ぶ初心者や業務で利用している方にも役立つ内容となっています。
この書籍は、データ分析における視点を磨き、質の高い研究を行うためのガイドです。内容は、無作為性や統計的推測、研究デザイン、データ解析の基礎について解説しています。目次は基礎編とアラカルト編に分かれ、平均値や頻度、イベント発生時間の比較方法も取り上げています。著者は丹後俊郎氏で、医学統計学の専門家です。
本書は最適化手法についての入門書であり、経営学やオペレーションズリサーチだけでなく、統計的最適化や機械学習の話題も扱っています。計算機技術の進歩により、複雑な最適化問題が解決可能になった背景を踏まえ、各手法の原理や数学的背景を詳しく解説しています。内容は例題を多く用いて分かりやすく、関連する話題や注意点も随所に挿入されています。目次には数学的準備、関数の極値、最適化手法、最小二乗法、統計的最適化、線形・非線形計画法、動的計画法が含まれています。著者は岡山大学の金谷健一教授です。
内容は少々難解だが、統計学や機械学習・データサイエンス分野のエッセンスが詰まっていて何度も読み返したい書籍。大学院生時代の授業の輪読して使用し、目からウロコの連続だった。ある程度基礎固めをした後に読んでほしい1冊
本書はデータ視覚化の重要性と技術を解説しており、単なるグラフ作成にとどまらず、データの意味を明確にし、オーディエンスに興味を持たせることを目的としています。筆者は日本人女性唯一のTableau ZEN MASTERであり、実践的なノウハウや事例を通じて、データ視覚化の基礎からプロフェッショナルなテクニックまでを紹介しています。主要な章では、視覚化の基本概念、プロっぽく見せるコツ、適切なチャートの選択、実際のダッシュボード作成事例、組織内でのデータ視覚化の浸透方法について詳しく説明しています。
本書は、数理モデルの多様な手法を解説し、データ分析における選択と理解を促進する入門書です。機械学習や統計モデルなど、自然科学と人文社会科学の手法を網羅し、初学者がデータ分析の全体像を把握できるように設計されています。特に、モデリング手法の選択や誤解しやすい点について丁寧に説明し、大学一年生でも理解できるレベルでありながら、より進んだ読者にも楽しめる内容となっています。著者は東京大学の特任講師で、幅広い分野での数理的解析に取り組んでいます。
データサイエンスを学ぶ上でこちらに一通り目を通しておくとベースが出来上がると思うのでオススメ。幅広く学べるがそこまで深く突っ込まないので気に入った領域は他の書籍で補完した方がよいかも!
この書籍は、数理統計学の基礎概念と理論を数学的かつ言葉で丁寧に解説した新装改訂版です。新たに40題の練習問題が追加され、解答例はサポートサイトで提供されます。統計検定®1級試験の学習にも適しており、幅広い話題を統一的な視点で理解できる内容となっています。著者は竹村彰通で、経済学やデータサイエンスの専門家です。
本書は一般化線形モデルについての統一的な枠組みを提供するもので、回帰分析や生存分析など様々な統計手法を扱っています。1993年に翻訳された「統計モデル入門」の第2版で、特に医学分野での高度な統計手法の需要に応える内容となっています。目次にはモデルの当てはめ、推定、推測、ロジスティック回帰、生存時間解析などの章が含まれています。著者はそれぞれ異なる専門背景を持つ大学教授たちです。
本書は、時系列データの分析方法を基礎から解説しています。探索的手法として移動平均、確率的手法として状態空間モデルを取り上げ、数式の意味やコードへの落とし込み方を丁寧に説明しています。初めて時系列分析を試みる人や、既に関わっている人にも興味深い内容となっており、応用的な話題もカバーしています。著者は牧山幸史、監修は石田基広です。
「統計検定準1級試験対応公式テキスト」は、統計学と機械学習の幅広いトピックをカバーし、実践的な例題を通じて学べる内容です。頻出項目に重点を置き、各トピックについて解説と例題が提供されています。統計的手法の辞典としても活用できる一冊です。目次には、確率、分布、統計的推定、検定法、回帰分析、多変量解析、時系列解析など、幅広いテーマが含まれています。
データ解析に必要な基本技術、多変量解析では、どう分析して何が得られるのか。その意味を理解できるよう図版とともに詳しく解説。 あらゆるものがデジタルデータとして整理できるようになり、統計学の重要性が急速に再認識されてきています。科学、ビジネス、学問、スポーツなど、様々な分野において、データの解析は非常に重要な意味を持ちます。そこで必要な“基本的技術”となっているのが「多変量解析」です。本書では、その概略をしっかりつかみ、さらに、どう分析して何が得られるのか、多変量解析のソフトの中では何が行なわれているのか、その意味を理解できるよう、図版を駆使しながら詳しく丁寧に解説していきます。 第1章 多変量解析のマップ 第2章 統計・確率の準備 第3章 相関分析 第4章 回帰分析 第5章 判別分析 第6章 主成分分析 第7章 因子分析 第8章 数量化分析 第9章 数学的準備
統計ソフトが行なっている推定・検定の背景の理論を知りたい。推定・検定を仕事で使っているけれど、結論の意味していることが実は理解できていない。そんな、文系・理系出身者の方々に向け、推定・検定の背景にある原理を難しい数式や確率変数の概念を使わずに図像を用いてわかりやすく説明しています(第1章)。 第1章 (相対度数分布グラフ 平均、分散・標準偏差 サンプルXの相対度数分布グラフ 正規分布 推定の考え方 検定の考え方) 第2章 (確率変数 二項分布 推定の応用 検定の応用 χ2分布、t分布、F分布) 第3章 (2変量の統計)
この書籍は、RとPythonの両方を学べるデータサイエンスの入門書です。プログラミング経験がなくても理解できるように、データサイエンスの基礎や環境構築について詳しく解説しています。内容は、データサイエンスの準備、機械学習の手法(回帰、分類、深層学習など)に分かれており、実践的なサンプルコードも提供されています。著者は東京大学と千葉工業大学の教授で、情報処理技術者試験委員を務めています。
本書は、統計解析の基礎手法を幅広く解説した入門書であり、統計解析の全体像を把握することができます。目次には、データ整理、分布と期待値、検定・推定の考え方、分散分析、相関分析、回帰分析などが含まれています。
本書は、データサイエンスの基本概念から実際のビジネス活用事例までを豊富な図やイラストを用いて解説し、初心者でも理解しやすい内容になっています。データサイエンスの重要性が増す中、数学的な専門用語を避けながら、機械学習や先端テクノロジーとの関連も紹介。ビジネスパーソンや学生にとって、データサイエンスを学ぶための入門書として最適です。
この書籍は、いい加減な人ほど生産性を向上させるための実用的なテクニックを紹介しています。時間、段取り、コミュニケーション、資料作成、会議、学び、思考、発想の8つのカテゴリにわたり、57の具体的な方法を提案しています。著者は羽田康祐で、広告業界とコンサルティングの経験を活かし、マーケティングやビジネス思考に関する知識を提供しています。
本書は、ビジネスにおけるベイズ統計学の基本をわかりやすく解説した入門書です。中学数学の知識がなくても理解できるように工夫されており、特にIT業界や統計に興味があるビジネスパーソンに最適です。内容は、ベイズ推定の使い方や確率論の基礎、確率分布などを含み、実用的な視点から未来を予測するための統計学を学べます。著者は帝京大学の教授、小島寛之氏です。
本書は、Pythonのデータ処理ライブラリ「pandas」の実践的な使用法を約100のレシピ形式で紹介するもので、データ分析や科学計算に役立つ内容が含まれています。各レシピは手順や解説が整然とまとめられており、データ構造の基本から可視化技術まで幅広くカバーしています。著者はデータサイエンティストのTheo Petrouで、教育やデータ分析に関する豊富な経験を持っています。読者はデータサイエンスに興味のあるすべての人を対象としています。
この書籍は、データサイエンティストに必要な時系列データ分析について詳しく解説しています。フリーソフトウェアRを使用し、視覚的かつ対話的にデータ分析を行う方法を紹介しています。内容は、時系列データの基本から観察・要約、自己回帰モデルの理解、ARCH/GARCHモデルの応用、投資への実践的な応用まで多岐にわたります。著者は一橋大学の准教授と株式会社QUICKのソリューションマネージャーです。
現代社会においては,さまざまなデータを正しく扱うことが全てに優先する.本書は,われわれの生活や社会と直接・間接にかかわりをもつ分野で用いられている統計的方法の基礎から応用までを,具体例に即して分かりやすく解説する. 第1章 統計学とデータ(高橋伸夫) 第2章 データの分析(竹村彰通) 第3章 標本調査法(竹村彰通) 第4章 統計調査と経済統計(廣松 毅) 第5章 地域統計(中井検裕) 第6章 経済分析における回帰分析(縄田和満・松原 望) 第7章 経済時系列データの分析(国友直人) 第8章 社会調査(盛山和夫) 第9章 社会移動データの分析手法(盛山和夫) 第10章 要因探究の方法(盛山和夫) 第11章 心理測定データの解析(渡部 洋) 第12章 テスト理論(渡部 洋) 第13章 心理・教育データのための統計的方法(渡部 洋)
本書は確率についての基礎から応用までを扱っています。第1部では確率の定義や複数の確率変数、確率分布について説明し、第2部では推定や検定、擬似乱数の活用法を紹介しています。付録には数学の基礎事項や確率論の補足が含まれています。著者は数理工学の専門家で、機械学習や脳科学の研究に従事しています。
この文章は、永田靖著の書籍の目次と著者情報を紹介しています。書籍は3部構成で、基礎と1変数関数の微積分、線形代数、多変数関数の微積分について解説しています。著者は1957年生まれで、早稲田大学で教授を務めています。
この書籍は、データ分析の基礎から応用までを学べる内容で、データ可視化や統計手法、仮説検定、重回帰分析など、一生使えるスキルを身につけることができます。著者はデータサイエンティストとしての豊富な経験を持ち、実務に役立つ知識を提供しています。目次にはデータ分析の全体像や具体的な手法が紹介されています。
本書は、機械学習の発展を背景にした統計的学習に関する教科書「The Elements of Statistical Learning」の全訳です。機械学習は人工知能の一分野から発展し、統計学と密接に関連しています。内容は、教師あり学習の基礎からニューラルネットワークやサポートベクトルマシン、ブースティングなどの高度な手法まで幅広くカバーしており、情報技術を学ぶ大学生や研究者に最適です。著者は各分野の専門家で構成されています。
『Data Visualization: A Practical Introduction』の日本語訳が刊行され、全世界のRユーザーに支持されている。この本は、データ可視化の基本を初心者でも理解できるように解説しており、ggplotやtidyverseの知識がなくても実践的に学べる内容となっている。データの見せ方や可視化の手順に加え、実践的なスキルを提供。著者はデューク大学の教授であり、さまざまな専門家が推薦している。目次にはデータの整形や地図描画など、多岐にわたるテーマが含まれている。
本書は、近年注目されている統計モデリングについて解説しており、特にフリーソフトのStanを用いた実践的なアプローチを提供しています。Stanは高い記述力を持ち、階層モデルや状態空間モデルを簡単に記述できるため、データ解析に非常に有効です。著者は、ベイズ統計の理解を深めるための実践的な内容を重視し、StanとRを通じて統計モデリングの考え方を学ぶことができるとしています。目次には導入編、入門編、発展編があり、幅広いテーマを扱っています。著者は統計モデリングやデータサイエンスの専門家です。
本書は、深層学習に関する改訂版のベストセラーで、トランスフォーマーやグラフニューラルネットワーク、生成モデルなどの手法を詳しく解説しています。著者は、理論的な証明がなくても納得できる説明を重視し、実用性を考慮した内容を提供。全12章で、基本構造から各種学習方法、データが少ない場合の対策まで幅広く網羅しています。著者は東北大学の教授であり、実務家との共同研究の経験も反映されています。
本書は、2018年に発行された機械学習に関する書籍の全面改訂版で、不確実性の高い機械学習プロジェクトを「仕事で使う」という視点から整理しています。新たに「ML Ops」や「機械学習モデルの検証」などの章が追加され、読者が直面する問題解決に役立つ内容となっています。著者は機械学習分野の専門家で、実践的な知識を提供しています。
機械学習の手法やテクニックにフォーカスした書籍ではなくて、機械学習を仕事に取り入れるためにはどうすればよいのか?どういうところに注意しなくてはいけないのかがまとめられた書籍。実務で機械学習を利用している人利用する可能性のある人は絶対に読むべき書籍。そもそも本当に機械学習を使う必要があるのかということをしっかり考える、機械学習ありきのプロジェクトは必ず失敗する。
本書は、ビジネスにおけるデータ活用の重要性を背景に、因果分析の手法である「因果推論」と「因果探索」を学ぶための実践的なガイドです。因果推論は施策の効果を推定する手法であり、因果探索はデータから因果関係を明らかにする方法です。読者はPythonや機械学習ライブラリを用いて実際にプログラムを実装しながら、これらの手法を習得できます。内容は因果推論の基本から機械学習の応用、さらに因果探索の実装まで多岐にわたります。
この書籍は、地域密着型アウトドアショップがデジタルマーケティングを活用して業績を向上させるストーリーを通じて、デジタルマーケティングの基礎を学ぶ内容です。デジタル化を成功させるための条件や、重要な要素(MEO・SEO、データ分析、ECサイト構築、SNS活用など)が解説されています。著者は上野佑馬で、データ分析やデジタルマーケティングの専門家です。
デジタルマーケティングとデータ分析について漫画で分かりやすく学べる。基本的な内容が網羅的に学べるのでデジタルマーケティング職についたばかりのビジネスパーソンや個人事業や中小企業でこれからデジタルに力を入れようとしている経営者にオススメ!
本書は、マンガを通じてベイズ統計学の基礎と実用例を解説する内容です。ベイズ統計学と数理統計学の違いや、モンテカルロ法、エントロピーについても触れています。各章では、ベイズ統計学の基本概念やベイズの定理、マルコフ連鎖モンテカルロ法の活用例が紹介されており、実践的な知識を提供します。著者はデータ分析の専門家、高橋信氏です。
本書は、機械学習を実践的に学ぶための教材で、scikit-learn、TensorFlow、Kerasを用いて、基礎から応用までの手法を体系的に解説しています。内容には、データ処理、モデル学習、深層学習、強化学習、コンピュータビジョン、自然言語処理などが含まれ、サンプルコードはすべてGitHubで公開され、Jupyter Notebookで試すことができます。第2版では新たに畳み込みニューラルネットワークやGANによる画像生成の説明も追加されています。機械学習を学びたいエンジニアにとって必携の一冊です。
本書は「時系列解析」の手法を解説し、過去のデータから未来を予測するだけでなく、事象の理解にも役立つことを強調しています。マーケティングやIoTの実際の応用に焦点を当て、Pythonのサンプルコードを用いて基礎理論を説明。ARモデルやカルマンフィルタ、異常検知などの手法を段階的に学べるように構成されています。各手法の必要性や克服方法を提示し、読者が自学で応用範囲を広げられるよう工夫されています。
この書籍は、ディープラーニングを手を動かしながら学べる入門書で、最新のトレンドや無料クラウドGPUの活用法を解説しています。20以上の実例を通じて、機械学習や深層学習の基礎から応用までを学べる内容です。目次には、学習の地図、基礎知識、実践事例、Colaboratoryの使い方が含まれています。著者はIT企業での技術マネージャーとしての経験を持つ増田知彰氏です。
本書は、ビジネスにおけるデータ分析の重要性とそのバイアスを取り除くための手法を解説しています。特に、意思決定に影響を与えるデータの生成過程におけるバイアスの存在を指摘し、単純な比較が誤った結論を導く可能性について警鐘を鳴らします。著者は、RCT(ランダム化比較試験)を理想的な分析手法として紹介し、RCTが実施できない場合でも因果推論を用いて効果的な分析が可能であることを説明します。目次には、セレクションバイアスや回帰分析、傾向スコア、差分の差分法などの具体的な手法が含まれています。著者は経済学の専門家で、データサイエンスの分野でも活躍しています。
この文章は、異常検知に関する書籍の目次と著者情報を紹介しています。目次では、異常検知の基本から正規分布や非正規データ、性能評価、次元削減、入力・出力データ、時系列データに関する異常検知までの各トピックが列挙されています。著者の井手剛は、機械工学と物理学の学位を持ち、IBMでの研究経験があります。
この書籍は、マルコフ連鎖モンテカルロ法(MCMC)を理解しやすく解説しており、R言語のコードや練習問題が豊富に含まれています。初学者向けの内容ながら、エルゴード性などの高度なトピックにも触れています。データサイエンス教育の一環として、統計学と情報学を融合した新しい教科書シリーズの一部であり、実践的な教育を目指しています。著者は、数理科学と統計科学の分野で活躍する専門家です。
『A First Course in Bayesian Statistical Methods』の日本語訳で、ベイズ統計の基礎と計算手法を学ぶ書籍です。確率論の基本から始まり、正規モデルや階層モデル、線形回帰モデルなどのベイズ法を詳述し、潜在変数モデルなどの応用も紹介しています。Rによる実装方法やサンプルコードも提供され、社会科学や医学、生物学など多様な分野での応用例が取り上げられています。著者はピーター・D・ホフ教授で、他に翻訳者として入江薫、菅澤飯之助、橋本真太郎が関わっています。
本書は、ネットワーク分析の理論と実践をRというフリーソフトを用いて学ぶためのガイドです。第2版では、統計的なネットワーク分析手法や社会ネットワーク、ソーシャルメディアの分析法に関する新しい章が追加され、複雑ネットワークやネットワーク描画の内容も改訂されています。著者は鈴木努で、社会学を専攻し、東北学院大学の准教授として勤務しています。
本書は、ビッグデータ時代におけるSQLの活用法を紹介するレシピ集です。目次には、分析力の重要性、使用するツールとデータ、データ加工、売上やユーザー行動のデータ抽出、分析技術の向上、行動を起こすための知識の活用方法が含まれています。著者は加嵜長門と田宮直人で、双方ともデータ解析およびビッグデータ活用の専門家です。
本書『ビッグデータの正体』は、ビッグデータが私たちの生活や仕事、意識に与える影響を探る内容で、企業がどのように新たな価値を創造し、人々が物事の認知をどう変えるべきかを示しています。具体的には、グーグルやアマゾンのデータ活用法、電子書籍の進化、映画産業の予測能力などを例に挙げ、ビッグデータがもたらす変化を論じています。また、データの量が質を凌駕する時代や、因果関係から相関関係へのシフトについても触れています。著者はビッグデータの専門家であり、この分野の重要性を強調しています。
ビッグデータがどのように世界を変えるのかが学べる書籍。鳥インフルエンザが流行った時に、医療機関よりも早くGoogleが検索傾向から流行地を知り対策を取れたという話からはじまる様々なビッグデータの使い方・重要性が学べる。
大阪ガスのデータサイエンティストで日本のデータサイエンティストの第一人者と言っても過言ではない河本薫氏の著書。データサイエンスのテクニックというよりも、会社においてどうやってインパクトの出す分析ができるかがビジネス観点で述べられている。特に事業会社のデータサイエンティストは読んでおくべき書籍。
本書ではExcelの機能「ソルバー」を活用し、さまざまな多変量解析を行う。「ソルバー」をフルに活用すれば、「分析ツール」だけではできないような多変量解析も、マクロ機能や高価な専用ソフトを使わずにExcelだけで可能である。「因果関係分析・予測手法編」では、方針や戦略を導いて締めくくる「終わりの言葉」のための手法に当たる単回帰分析、重回帰分析、ロジスティック回帰分析、判別分析、数量化理論1類、数量化理論2類、正準相関分析、コンジョイント分析を網羅し、解説した。 第1章 多変量解析の概要 第2章 単回帰分析 第3章 重回帰分析 第4章 ロジスティック回帰分析 第5章 判別分析 第6章 数量化理論 第7章 正準相関分析 第8章 コンジョイント分析
本書は、ウェブサービスの開発においてユーザ体験を向上させるための手法を学ぶための書籍です。A/Bテストや線形モデル、メタヒューリスティクス、バンディットアルゴリズム、ベイズ最適化などの数理的手法を紹介し、Pythonによるサンプルコードと図を用いて機械学習と統計学の基礎を解説しています。ウェブ最適化や機械学習に興味がある読者に適した内容です。著者はUXエンジニアの飯塚修平氏で、ウェブ最適化の研究に従事しています。
本書ではExcelの機能「ソルバー」を活用し、さまざまな多変量解析を行う。「ソルバー」をフルに活用すれば、「分析ツール」だけではできないような多変量解析も、マクロ機能や高価な専用ソフトを使わずにExcelだけで可能である。「ポジショニング編」では、仮説を発見し、手掛かりを見つけるために有効な「始めの言葉」のための手法に当たる主成分分析、因子分析、多次元尺度構成法、数量化理論3類、数量化理論4類、クラスター分析を網羅し、解説した。 第1章 多変量解析の概要 第2章 主成分分析 第3章 因子分析 第4章 多次元尺度構成法 第5章 数量化理論 第6章 クラスター分析
平均値から個性へ 階層モデルで「個性」をとらえる 個人差・地域差をとりこむ統計科学 全体モデルから局所モデルへ 生きた言葉をモデル化する ポスト近代科学としての統計科学 階層ベイズ講義
確率・統計の基礎から因果関係を識別するための応用手法,マクロ経済データの時系列分析の解説まで扱う。演習問題も充実。 確率・統計の基礎から因果関係を識別するための応用手法,マクロ経済データの時系列分析の解説まで扱う。また分析手法の理論的説明だけでなく,その手法を用いた実証例を紹介して理解を深めることができる。演習問題やデータ提供などのウェブサポートも充実。 第1章 計量経済学の目的と特徴 第Ⅰ部 基礎編:実証分析のための基礎知識 第2章 データの整理と確率変数の基礎 第3章 統計理論の基礎 第4章 線形単回帰モデルの推定と検定 第5章 重回帰モデルの推定と検定 第Ⅱ部 ミクロ編:ミクロデータの分析手法 第6章 パネルデータ分析 第7章 操作変数法 第8章 制限従属変数モデル 第9章 政策評価モデル 第Ⅲ部 マクロ編:時系列データの分析手法 第10章 系列相関と時系列モデル 第11章 トレンドと構造変化 第12章 VAR モデル 付録 A 線形代数と漸近理論の基礎 B 回帰分析の漸近理論 C 実証研究の手引き D 文献・学習ガイド
この書籍は、R言語を用いたデータ解析の入門書で、進化し続けるRの機能を活用する方法を紹介しています。初版以来、多くのRユーザーに支持されてきたロングセラーで、第2版では深層学習やネットワーク分析など新たな内容が追加されています。データマイニングの基礎から始まり、主成分分析やクラスター分析、ニューラルネットワークなど多岐にわたる分析手法を学ぶことができます。著者は金明哲で、統計科学の専門家です。
ビジネスや意思決定の場面で,データを活用したい方に手にとっていただきたいデータサイエンスの入門書。目的別の分析手法を幅広く… ビジネスや意思決定の場面で,データを活用したい方に向けたデータサイエンスの入門書。データの種類ごとの性質や収集時の注意点,目的別の分析手法からデータ可視化まで幅広く扱う。各章末には課題を設置し,最終章ではデータサイエンスの展望や限界についても言及。 第1章 データサイエンスとは 第2章 データ収集のための基礎知識 第3章 データ空間の構成法 第4章 データ生成のメカニズム 第5章 データの可視化手法 第6章 データ分析の手法 第7章 データ活用のフレームワーク 第8章 データの分析事例 第9章 データ分析上の注意点と応用知識
RとPythonによるプログラミングを通して統計学を解説。エンジニアや学生に向け、数学的な壁を取り払いつつ知識を提供する。 RとPythonで統計学を実践的に学ぶ! 本書はRとPythonを使って、統計学の基礎を実践的に学ぶテキストです。 近年、IoTや人工知能ブームなどに代表されるように、人が日々扱うデータは増え続けています。データの量・種類が増えるにつれ、ただ闇雲にツールを使って分析するだけではなく、なぜその手法を使うのか、結果から何を読み取るのかなどといったことがポイントになってきます。 このポイントを正しく理解し、適切にデータ分析を行うには十分な統計学の知識が必要になってきます。しかしながら統計学の土台は数学であり、数学に苦手意識をもつ方にとって純粋な統計学の教科書はハードルが高いと思われます。また、平易な参考書においても、結局のところ手元のデータをどうすればよいのかといったところで、また一つ壁があります。 そこで本書は、データ分析に優れた環境であるRと、機械学習など大規模なデータ分析に定評のあるPythonによるプログラミングを通して統計学を解説します。統計学を学びたい、データを分析したいというエンジニアや学生に向けて、数学的な壁を取り払いつつ、実際にデータを分析するための統計学の知識を提供します。 RとPythonによるプログラミングを通して統計学を解説。エンジニアや学生に向け、数学的な壁を取り払いつつ知識を提供する。