Tree-basedのアルゴリズムは、近年ではXGBoostやLightGBMのアルゴリズムとして用いられることが多くなりました。今後も新しく様々なアルゴリズムや考察が出てくると思われますが、アンサンブル学習的な考え方が追加されているものの基本的な仕組みはID3(Quinlan, 1979)やCART(Breiman, 1984)などからそれほど大きく変わった訳ではありません。 これらを受けて本書では、決定木の基本的な内容からブースティングなどのアンサンブル学習を抑えつつ、近年話題によくあがるXGBoostやLightGBMの理解ができるように理論やトレンドについてまとめました。 第二版段階では1,200円とし、大幅な追記を行なった際に1,500円とする予定です。 また、Jupyterファイルについては別売としました。①は決定木やランダムフォレストのNumPyでの実装を取り扱ったので購入推奨、②は単にscikit-learnの使用例なので必要であればご検討ください。