Kaggleで伸び悩んだら読む！書評「データ分析のための数理モデル入門」のすすめ

書籍レビュー

私は、Kaggleのコンペでスコアが上がらなくなってきたら、他の人のカーネルを見ます。

「最適化」「微分」「ベイズ」などの言葉が出てきますが、実はなんとなくしかわかっていないことがほとんどでした。

そもそもどのような考えで特徴量を使えば良いのか、わかっていなかったりします。

一度、思考の整理したいと思ったときに出会ったのが、江崎貴裕さん著書「データ分析のための数理モデル入門」という本です。

データーサイエンス初心者、kaggleでスコアが伸び悩んだときに読むと良いかもしれません。

「データ分析のための数理モデル入門」の概要

著者：

東京大学先端科学技術研究センター

江崎貴裕

アマゾンレビュー：

5点満点中4.3という高得点

この本は、機械学習を始めデータ分析に必要な知識を網羅的に解説してくれています。本の内容のほとんどが図解で読みやすいといえます。

江崎貴裕ソシム 2020年05月15日頃

たとえば、以下のような内容です(ほんの一部です)。

私が「データ分析のための数理モデル入門」を選んだ理由は、ざっくり以下の通りです。

本の内容は大変わかりやすく、網羅的にかいてある印象です。

こんな人にオススメです

AI系のスクールについては、以下の通り。

合わせて読みたい！

https://programming-info.dream-target.jp/aijobcolle-study

江崎貴裕ソシム 2020年05月15日頃

本を読んだ感想を網羅します。

わかりやすい！
- 図解がたくさんあってわかりやすい
- 一般事例を使ってわかりやすく解説している
- 大事なところは黄色い線で補足している
- 微分の意味がアヤフヤだったが、「変化量」というキーワードで納得
機械学習のロジックは、概要がわかる程度
- ロジックについて深掘りしたいときは、機械学習専門の本を読むと良い
基礎的な統計学の知識を整理できた
- 正規分布、回帰分析など、よくわからないときに読むと整理できる
- 正規分布、標準偏差、分散についても整理できた
kaggleでスコアが上がらないときに参考になった
- 無駄な特徴量はモデルに含まない(当たり前の話しだが再確認できた)
- 最適化問題のところがスコアアップの役に立つ
- 本のヒントをKaggleに反映させたら、スコアアップした。
最初から読む必要は無い
- 本の構成としては、最初から読む必要は無い。知りたいところから読めば良いので時間短縮になる