Pythonで学ぶビジネスデータの予測モデル

書籍紹介

機械学習と回帰分析、Pythonを使った２つの方法で未来を予測

購入者特典プログラム付き

◆AI言語として一般的となったPythonを使ってビジネスデータの予測を試みる金融界待望の書

◆統計学の基礎、Pythonコーディングの基礎から説明しているので初学者にも安心

◆読者自身のコンピュータ上でサンプルプログラムを動かすことが可能

主要目次

第１章　AIやディープラーニングの実行環境の設定とPythonの基本

1. 1　Google社のColaboratoryの利用

1. 2　Pythonの実行と演算

1. 3　データの形式

1. 4　文字列の連結と定式化

1. 5　関数の作成

1. 6　if文の処理

1. 7　while文の処理

1. 8　for文の処理

1. 9　オブジェクト指向とは

1.10　ノートブックの保存

1.11　まとめ

第２章　ディープラーニングの基礎

2. 1　ディープラーニングとは何か

2. 2　ニューロンとパーセプトロン

2. 3　ディープラーニングの基本

2. 4　人工知能の発展過程

2. 5　誤差逆伝搬法（バックプロパゲーション）

2. 6　機械学習の処理

2. 7　ニューラルネットワークと活性化関数

2. 8　シグモイド関数

2. 9　ReLU（RectifiedLinearUnit：レルー）

2.10　まとめ

第３章　データの将来予測

3. 1　ディープラーニングを用いた為替レートの将来予測

3. 2　為替データの読み込みと確認

3. 3　データの読み込み

3. 4　各種ライブラリをインポートする

3. 5　分析用のデータ作成

3. 6　データセットのサイズを確認

3. 7　訓練データとテストデータへ切り分け

3. 8　データの正規化（normalization）

3. 9　正規化した訓練データから特徴量とターゲット（教師データ）の切り分け

3.10　ディープ・ニューラルネットワークの設定

3.11　まとめ

第４章　線形回帰モデルの適用方法

4. 1　線形回帰分析（モデル）とは

4. 2　分布と基本統計量

4. 3　その他の基本統計量

4. 4　外れ値や異常値の基準

4. 5　大きく離れた値の取扱い

4. 6　単回帰分析（モデル）とは

4. 7　単回帰分析の特徴

4. 8　単回帰モデルの推定値

4. 9　残差分析

4.10　重回帰分析

4.11　まとめ

第５章　matplotlibを用いたグラフ作成

5. 1　折れ線グラフ

5. 2　散布図

5. 3　棒グラフ

5. 4　円グラフ

5. 5　まとめ

第６章　線形回帰モデルを用いた為替レートの将来予測

6. 1　データ入力

6. 2　各種ライブラリをインポートする

6. 3　df_exchangeファイルを作成

6. 4　データ件数とデータ項目数の確認

6. 5　データを訓練データとテストデータに分離

6. 6　欠損データの確認

6. 7　相関分析

6. 8　モデル構築用データの作成

6. 9　相関行列の表示

6.10　相関行列のグラフ（散布図）表示

6.11　正解（教師）データと各特徴データとの相関係数のみを計算

6.12　正解（教師）データと各特徴データとの相関係数の絶対値を計算

6.13　正解（教師）データと各特徴データとの相関係数の絶対値を、高い順（降順）に表示

6.14　訓練データから特徴量と正解（教師）データの切り分け

6.15　訓練データの特徴データを基準化

6.16　特徴データをデータフレームに変換し、平均値を計算

6.17　特徴データの標準偏差を計算

6.18　訓練データの正解（教師）データを基準化

6.19　回帰モデルの適用(１)

6.20　回帰モデルの適用(２)（11個の特徴データ）

6.21　回帰モデルの適用(３)（10個の特徴データ）

6.22　回帰モデルの適用(４)（９個の特徴データ）

6.23　回帰モデルの適用(５)（８個の特徴データ）

6.24　回帰モデルの適用(６)（７個の特徴データ）

6.25　回帰モデルの適用(７)（６個の特徴データ）

6.26　回帰モデルの適用(８)（５個の特徴データ）

6.27　回帰モデルの適用(９)（４個の特徴データ）

6.28　回帰モデルの適用(10)（３個の特徴データ）

6.29　モデルに利用した正解データと特徴データの関係分析

6.30　多重共線性の確認とモデルの修正

6.31　線形モデルの関数化

6.32　回帰モデルの適用

6.33　散布図とヒストグラムの出力

6.34　相互作用特徴量（交差項）の作成

6.35　線形回帰モデルの適用と、決定係数の出力

6.36　まとめ

事項索引

著者紹介

青沼　君明（あおぬま　きみあき）

1977年　ソニー株式会社入社

1990年　三菱銀行（現三菱UFJ銀行）入行

融資企画部　CPMグループ　チーフ・クオンツ

2019年３月退職

東京大学大学院数理科学研究科博士課程修了（数理科学博士）

現在、明治大学大学院・グローバルビジネス研究科専任教授

主要著書：『Excelで学ぶバーゼルⅡと信用リスク評価手法』（金融財政事情研究会、市川伸子との共著）、『Excel&VBAで学ぶVaR』（金融財政事情研究会、村内佳子との共著）、『企業数理のすべて―プランニングからリスクマネジメントへの応用』（きんざい）ほか多数