![RとPythonで学ぶ[実践的]データサイエンス&機械学習](https://images-na.ssl-images-amazon.com/images/I/81MlGrJ8yuL._AC_UL160_SR127,160_.jpg)
![[第2版]Python 機械学習プログラミング 達人データサイエンティストによる理論と実践 (impress top gear)](https://images-na.ssl-images-amazon.com/images/I/81nrQGfQkrL._AC_UL160_SR126,160_.jpg)
自身のような「(情報システムのプログラミング経験は豊富だが)分析のための前処理はうとい」人には非常に参考になると思います。
エッセンスを吸収したらすぐに手放すつもりでしたが手元においておくことにしました。(笑)
ただ、以下の様な点が気になったので次回作の期待を込めて☆1つ減らしました。
(1)レビューされていない
以下の様な単純なミスがあります。おそらく第三者のレビューはなかったのかと思います。そのせいか全体を通して表現の揺れやいいまわしが洗練されていない印象を受けました。(内容がよいだけに勿体無いなと)
『本書では次の4種類の補完方法について解説します。』→ 実際には6種類
『カテゴリ化に対応していないので、★カテゴリ化★の方法をしっかり身につけましょう』 ★部分は「ダミー変数化」 が正しい
(2)厳密でない
例えば「pythonでは、ブール型はbool、カテゴリ型はcategory型が提供されている」という記載がありますがpythonにはcategory型は存在せずライブラリ(pandas)が提供する型です。こういった混乱を招く雑な表現が少なくありません。
(3)コードの良し悪しの基準が恣意的
全体を通して「これは非AWESOME(もしくはAWESOME)なコード」という説明がなされていますが、判断基準が恣意的というか一貫性がないと感じました。
「計算量は多いけど簡潔で可読性が高いのでAWESOME」「簡潔でないが計算量が少ないのでAWESOME」という感じ。どっちやねん！と。笑
(4)Awesomeが微妙な場合がある
「改変が容易なのでAWESOME」と主張しているコードで何度も同じ列名をタイプしてたりします。この場合は、コードを関数化して列名を引数にして使い回すかつ汎用的(同じ処理を違う列でも適用できるようにする)にするのがAWESOMEですね。
(5)冗長
箇条書きや表形式にしたほうが簡潔に表現できることも文章で記述されているので無駄に長い。
本書の内容とは関係ありませんが、上述したような指摘はプログラマの世界では「曖昧・冗長・一貫性がない」と避難されても仕方がない恥ずかしい事ですが、データサイエンティストという職業では重視されない(＝確率の世界を扱っているので厳密さを求められない=>曖昧さがむしろ「柔軟」として評価される)のかな？なんて思いました。
次回作に期待します。個人的には「外れ値の扱い方」が薄かったのでそのあたりの考え方や方法論・ノウハウを学びたいと思いました。
前処理大全[データ分析のためのSQL/R/Python実践テクニック] (日本語) 大型本 – 2018/4/13
Kindle 端末は必要ありません。無料 Kindle アプリのいずれかをダウンロードすると、スマートフォン、タブレットPCで Kindle 本をお読みいただけます。
-
Apple
-
Android
-
Android
無料アプリを入手するには、Eメールアドレスを入力してください。
１分以内にKindleで 前処理大全［データ分析のためのSQL/R/Python実践テクニック］ をお読みいただけます。
Kindle をお持ちでない場合、こちらから購入いただけます。 Kindle 無料アプリのダウンロードはこちら。
Kindle をお持ちでない場合、こちらから購入いただけます。 Kindle 無料アプリのダウンロードはこちら。
無料で使えるブックカバー
好きなデザインを選んで取り付けよう！ 詳しくはこちら。
商品の説明
内容紹介
Law of Awesome Data Scientist
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
90%以上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。
出版社からのコメント
前処理が適切に行われているかどうかで、データ分析の品質は左右されます。
本書でさまざまな前処理のテクニックを身に付けてください。
著者について
本橋智光(もとはし ともみつ)
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、
現在はデジタル医療スタートアップのサスメド株式会社のCTO。ホクソエム株式会社にも所属。
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。
製造業、小売業、金融業、運輸業、レジャー業、Webなど多様な業種なデータ分析を経験。
KDD CUP 2015 2位。趣味でマリオのAIを開発。
著者略歴 (「BOOK著者紹介情報」より)
本橋/智光
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)
登録情報
|
