K_DM Book — Python Data Analysis & Machine Learning
コードで理解する、
データ分析と機械学習。
K_DM Bookは、Pythonによるデータ分析・機械学習の実践チュートリアルサイトです。基本アルゴリズムから時系列分析、可視化パターン、金融データ応用まで、すべてのページにコード付きの解説をまとめています。
学習を続ける
Contents — 目次
CSV の読み込みと pandas の整形、StandardScaler などの数値スケーリング、One-Hot / Count / Target Encoding、全角半角や和暦など日本語データの正規化、read_csv のエラー対処までを順に学ぶ前処理の章の入口。
線形回帰・ロジスティック回帰・決定木・Random Forest・k-means・PCA・Isolation Forest など、教師あり学習から教師なし学習までの代表手法を、scikit-learn のコードとコマ送りの図で学ぶ章の入口。
評価指標の章の入口。回帰（MAE・RMSE・R²）、分類（混同行列・F1・ROC-AUC・Log Loss）、ランキング（NDCG・MAP）、距離（KL・Wasserstein）、言語モデル（BLEU・ROUGE）の指標を、scikit-learn の実装と対話図で学ぶ。
時系列の可視化・ACF/PACF 診断から ARIMA・Holt-Winters・SARIMAX・VAR・Prophet まで、statsmodels と Prophet を使った予測と異常検知の手法を 10 章で体系的に学ぶ。
株価・利回り・財務データを pandas と mplfinance で取得・描画し、RSI・ローリングβ・配当再投資・効率的フロンティアなどの指標を Python で計算する金融データ分析の章。EDINET・J-Quants API や Whisper による決算動画の文字起こしのレシピも含む。
棒グラフ・折れ線・散布図・分布・相関・カテゴリ・応用チャートの 7 分類で 70 以上のグラフを matplotlib / seaborn / plotly のコードつきで並べ、伝えたいこと（大小比較・推移・関係・分布）からグラフを選ぶギャラリー。
中学生・高校生のみなさんへ
数式を使わずに「考え方」から説明したやさしい版のページを用意しています。ヘッダーの「対象者」からいつでも切り替えられます。