無料のKindleアプリをダウンロードして、スマートフォン、タブレット、またはコンピューターで今すぐKindle本を読むことができます。Kindleデバイスは必要ありません。
ウェブ版Kindleなら、お使いのブラウザですぐにお読みいただけます。
携帯電話のカメラを使用する - 以下のコードをスキャンし、Kindleアプリをダウンロードしてください。
パターン認識と機械学習 上 - ベイズ理論による統計的予測 単行本 – 2007/12/10
- ISBN-10443110013X
- ISBN-13978-4431100133
- 出版社シュプリンガー・ジャパン株式会社
- 発売日2007/12/10
- 言語日本語
- 本の長さ349ページ
この商品を見た後に買っているのは?
商品の説明
著者からのコメント
★ ベイズ理論に基づく統一された説明:ベイズ理論に基づく統計的予測技術は,計算アルゴリズムの開発と計算機の性能向上によって,急速に進展しました.本書は,このベイズ理論の観点で統一的に整理された視点で,各種の機械学習・パターン認識の理論や手法を解説しています.
★ 基本から発展までバランスとれた構成:本書は,確率入門・決定理論・回帰問題・識別問題のような基本的で平易な話題から始まっています.これらの基本をふまえた上で,90年代に登場したサポートベクトルマシンやブースティングといった手法,機械学習アルゴリズムの適用範囲を広げたカーネルトリックやグラフィカルモデル,およびベイズ理論の実用化にあたって不可欠だったMCMCや変分ベイズといった高度な話題までを学ぶことができます.
★ カラーの図による直観的な説明:機械学習・パターン認識の本は数式による説明だけになりがちです.本書はこうした形式的な説明に加えて,図を用いた直観的な説明も加えています.イメージを伴った理解は,機械学習手法を応用問題に適用するときや,新たなアイデアを創出するときに役立つことでしょう.さらに,多くの図がカラーで収録されている,日本の情報科学分野の本では希少な本です.
★ 豊富な演習問題:本書は演習問題も豊富で,400問以上収録されています.これらの問題は自身の理解度を確認するのに役立つでしょう.
■□■ 各章の内容 ■□■
★ 第1章:序論:機械学習の大きな枠組みと,確率と情報理論の基本について学びます.
まず,パターン認識・機械学習の基本的な枠組みである教師あり学習や教師なし学習などを紹介します. ベイズの定理,期待値,分散などの確率の基礎を学んだあと,最尤推定などの基本的な推定手法に加えて,交差確認法や次元の呪いといった重要な注意事項について述べます. 損失関数を最小にするという決定理論に続き,エントロピーやカルバック-ライブラーダイバージェンスなどの情報理論の基礎について述べます.
★ 第2章:確率分布:二項分布やガウス分布などの各種の確率分布について学びます.
これらの分布について,ベイズ推定をしたときの事前分布や事後分布の具体的な形を導きます.また,逐次推定,指数型分布族,共役事前分布,無情報事前分布などの確率分布に関する事項も合わせて述べます.最後に,カーネル密度推定や最近傍法などのノンパラメトリック手法を紹介します.
★ 第3章:線形回帰モデル:教師あり学習の双璧の一つ回帰問題について学びます.
基本的な線形回帰から始め,その逐次推定や,正則化を導入したリッジ回帰,バイアス-バリアンスなどの発展的な内容を取り上げます.さらに,こうした最尤推定による方法に加えて,ベイズ推定による方法に移り,ベイズの観点からのモデル選択と,これらを行うためのエビデンス近似を述べます.
★ 第4章:線形識別モデル:もう一つの重要な教師あり学習である識別問題について学びます.
基本である線形の識別手法であるフィッシャーの判別分析やパーセプトロンをまず述べます.その後,生成モデルや識別モデルの考えと,具体的な手法を紹介します.この識別問題の場合でも,ベイズ推定の場合を紹介します.
★ 第5章:ニューラルネットワーク:代表的な機械学習の手法であるニューラルネットについて学びます.
ニューラルネット自体の紹介に続いて,誤差逆伝播法による学習について述べます. 勾配降下法による最適化と,そのために必要なヘッセ行列の近似を紹介します.このニューラルネットについても,正則化やベイズ推定の拡張をします.
★ 付録:データ集合,確率分布の一覧,行列の性質,変分法,ラグランジュ乗数
登録情報
- 出版社 : シュプリンガー・ジャパン株式会社 (2007/12/10)
- 発売日 : 2007/12/10
- 言語 : 日本語
- 単行本 : 349ページ
- ISBN-10 : 443110013X
- ISBN-13 : 978-4431100133
- Amazon 売れ筋ランキング: - 715,708位本 (本の売れ筋ランキングを見る)
- - 1,177位数学一般関連書籍
- カスタマーレビュー:
著者について
著者の本をもっと発見したり、よく似た著者を見つけたり、著者のブログを読んだりしましょう
著者の本をもっと発見したり、よく似た著者を見つけたり、著者のブログを読んだりしましょう
-
トップレビュー
上位レビュー、対象国: 日本
レビューのフィルタリング中に問題が発生しました。後でもう一度試してください。
時間と労力が必要、そんなことは当たり前です。しかし、それらを投資すれば、この本は計算過程が丁寧に記述されていて、さらに理解しやすく構成されているため、全く手が出ないということは起きません。
ただし、微分積分、線型代数、統計学の予備知識が必要です。
手も足も出ないという人は、予備知識がないからです。あれば、標準的な難易度に感じるはずです。
訳について1点。第5章で、外積によるHessianの近似というトピックが現れますが、この外積は、英語ではouter productと呼ばれるものです。よく知られた外積(いわゆるベクトル積)ではありません。
内容が解析学や線形代数を超えた、大学数学の応用レベルなので、数学の知識がない方にはあまりお勧めできないですが、大学で数学を学ばれていた方で、特に統計学の事前知識がある方にはお勧めです!
私が読んだ最初の感想です。
機械学習の解説書には何段階かあるのですが、
①各種機械学習の数学的原理と得手不得手の説明 ←ユーザー企業と分析手法自体の開発者向け
②実装環境と、その特徴 ←大学研究室と分析請負企業向け
③実際にコーディングするノウハウ ←分析請負企業の従業員向け
の3つが各種レビューでは並列に扱われている状況です。(最先端を行こうとするなら全部知らないとダメらしいけど私にはムリ)
本書は①に特化しています。数学的過ぎてちんぷんかんぷんの人は私も含めていっぱいいます。少しずつかみ砕いて学びましょう。
そういう点で、誰にとっても機械学習の初歩にはいいのかもしれません。
願わくば、上司のパターン認識と機械学習ができてほしいです。
内容は変に結論を急ぐことなく、順序立てて明瞭に書いてあるのでわかりやすいと思います。
カラーがふんだんに使われていますが、完全に必要な部分に抑えられているのも高評価です。
また、近年「わかりやすい」と謳われる本によくありがちな
「思考過程を省いた説明で、わかったつもりにさせる」といったことがないのは有難いところです。
目指すべき問題の具体的な例が章として示されており、
(話が抽象的になり過ぎないため)モチベーションも保たれやすくなっていることも重要なポイントだと感じました。
値段こそ張りますが、内容の充実性や多くのページがカラー刷りであること、
さらに専門書の訳書であること等を考慮すると、十分に許容の範疇かと思います。
上巻を読みましたが、今までの数学や統計の断片的な知識がこの本によって
クロスワードクイズの様に埋まっていく気がします。
すばらしい定理のオンパレードで圧倒されます。
各章毎に訳者が異なりますので訳のレベルに差異があります。
ベイズ的基礎記述2章はかなりすばらしいです。
3章は訳が拙いですが他はよくできていると感じました。