出版社内容情報
統計的機械学習の数理１００問のＰｙｔｈｏｎ版！数式を導き，ソースプログラムを追い，具体的に手を動かしてスキルを身につける！
目次
第０章 線形代数
第１章 線形回帰
第２章 分類
第３章 リサンプリング
第４章 情報量基準
第５章 正則化
第６章 非線形回帰
第７章 決定木
第８章 サポートベクトルマシン
第９章 教師なし学習
著者等紹介
鈴木讓［スズキジョウ］
大阪大学教授、博士（工学）。１９８４年早稲田大学理工学部卒業、１９８９年早稲田大学大学院博士課程修了、同大学理工学部助手、１９９２年青山学院大学理工学部助手、１９９４年大阪大学理学部に（専任）講師として着任。Ｓｔａｎｆｏｒｄ大学客員助教授（１９９５年～１９９７年）、Ｙａｌｅ大学客員准教授（２００１年～２００２年）などを経て、現職（基礎工学研究科数理科学領域、基礎工学部情報科学科数理科学コース）。データ科学、機械学習、統計教育に興味を持つ。現在もトップ会議として知られるＵｎｃｅｒｔａｉｎｔｙ ｉｎ Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅで、ベイジアンネットワークに関する研究発表をしている（１９９３年７月）（本データはこの書籍が刊行された当時に掲載されていたものです）
※書籍に掲載されている著者及び編者、訳者、監修者、イラストレーターなどの紹介情報です。
感想・レビュー
※以下の感想・レビューは、株式会社ブックウォーカーの提供する「読書メーター」によるものです。
ashiato45
1
kaggle勢がやっている決定木というのはどう作っているのだろうというのが気になってそのあたりを中心に読んだ。前半の数学部分は丁寧そうでよかったが、決定木のあたりになって段々ソースコードの日本語訳みたいな説明が増えてしまっているように感じられて残念だった。実例とコードが豊富なのはよいので、練習問題のところは追い追いやってみたい。 (追記)決定木のところの演習問題を解いてみたが、コードにはアカデミア的荒削りさがかなりあるので、少し覚悟をしたほうがよいかもしれない。難度としてはごく簡単。2022/09/19
icon
0
なんとも言えぬ。こういった、機械学習を数理的に理解するというコンセプトは悪くないのが(むしろ歓迎)、誤植が多すぎる(しかも重要なところもある、そうでないものもあるが)とか、割と他の(もっときっちりと体系的に説明した)本で代用できてしまう。シリーズの1巻目(R,Python区別しなければ)の本だが、これが一番いいと思う。次の巻、スパースは買う意味なし2022/05/10
