機械学習（共立出版） [電子書籍]

機械学習（共立出版） [電子書籍] の 商品概要

• ※この電子書籍は固定レイアウト型で配信されております。固定レイアウト型は文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。
  
  本書は、古典機械学習ともよぶべき題材に的を絞り、考え方をできるだけ詳細に記述した教科書である。本書では、機械学習全体の網羅や、深層学習を中心に据えた説明は意図していない。大量のデータが存在する対象、あるいはその近傍の対象に対しては、深層学習はきわめて高性能を発揮する。しかし、少数のデータしか得ることができない対象も多く、本書で紹介する古典的な機械学習の手法は、今後も随所で活躍するであろう。とりわけ、ベイズ的な考え方は、予測の損失最小を保証するという意味で重要である。多くの大学理工系の学部で、初年次あるいは2年次に学ぶ多変数の微積分や、固有値問題の基本をふくむ線形代数、それと確率と統計の基本事項は既知としているが、確率と統計や、対称行列に関する固有値問題などの数学的事項の要点は、第V部としてまとめた。
  
  本書は多くの優れた書籍を参照して書かれ、とりわけ、C. M. ビショップ（著）、『パターン認識と機械学習』の影響は随所にみられる。数学的記法も同書に準拠した。また、構成は、K. P. Murphy， “Probabilistic Machine Learning: An Introduction”の影響をうけている。Murphyの本では深層学習を1つの部としているが、本書では深層学習の部はもうけず、ニューラルネットワークの基礎的事項をパラメトリックモデルの部へ、また、深層生成モデル（の1つであるVAE）を潜在モデルの部へおいた。ベイズ推論の重要性に鑑み、潜在モデルを第IV部としたことは本書の特徴の1つである。
  
  各章には演習問題、巻末には解答例と丁寧な解説を掲載。
  

• 目次

  第I部　入門的基礎
  　第1章　機械学習入門
  第II部　パラメトリックモデル
  　第2章　確率密度関数の推定：パラメトリック
  　第3章　線形回帰
  　第4章　一般化線形モデルによる分類
  　第5章　ニューラルネットワーク：非線形パラメトリックモデル
  　第II部の付録
  第III部　ノンパラメトリックモデル
  　第6章　訓練データ保持型の学習
  　第7章　カーネル法
  　第8章　アンサンブル学習
  第IV部　潜在モデル
  　第9章　次元圧縮
  　第10章　混合ガウス分布とEMアルゴリズム
  　第11章　深層生成モデル
  第V部　数学事項：機械学習のいしずえ
  　第12章　確率・統計ダイジェスト
  　第13章　ガウス分布の性質
  　第14章　行列，アドバンスト
  演習問題解答
  

機械学習（共立出版） [電子書籍] の商品スペック