はじめに
「達人データサイエンティストによる理論と実践 Python 機械学習プログラミング」という本の評判が良かったので読みました。
https://www.amazon.co.jp/dp/B01HGIPIAK/ref=dp-kindle-redirect?_encoding=UTF8&btkr=1
その際に、後から復習できるようにJupyter Notebooksのノートファイルにまとめノートを作りながら学習を進めていきました。その時のまとめノートをせっかくなので共有したいと思います。特に重要だと思ったポイントや、ちょっとした補足を追加して、「この手法、scikit-learn使ってどんな風に書くんだっけ？」の備忘録として使えるように書きました。ただ、省略してる部分も多いので適宜元の本を見て補ってもらえると幸いです。あと1,2,8,9,12,13章についてはノートを作っていません。（ディープラーニングは専用の本がいっぱいあるのでそっちで勉強するのが良いかも）
Python 機械学習プログラミングのまとめノート(Jupyter)
https://github.com/lyakaap/notebooks/tree/master/MachineLearning
Readmeを見れば一応どのファイルにどの内容が書かれているかが分かるようになっています。
本の感想
機械学習手法の大切な部分を一通り学べて、かつ説明がとても丁寧に書かれていてオススメ出来る本です。前提知識として、ほんの少しの数学とnumpyの知識があると比較的スラスラと読めると思います。特に、scikit-learnはもちろん、pandasやmatplotlibなどの機械学習に必要なライブラリの扱いを、ソースコードを通して学習できるという面がとても魅力的に感じました。