目次
1 機械学習の基礎概念
2 確率分布のパラメタ推定
3 線形モデル
4 過学習と予測性能
5 サポートベクターマシン
6 オンライン学習
7 クラスタリング
8 EMアルゴリズム
9 Markov連鎖Monte Carlo法
著者等紹介
中川裕志[ナカガワヒロシ]
東京大学大学院情報理工学系研究科数理情報学専攻、教授(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。
Józef Klemens Piłsudski
1
「パターン認識~」と比して重要な箇所だけをまとめた感じ。ただカーネル密度推定の話は載ってない。 誤植っぽいものが散見されるのでどっかのサイトでエラッタ公開してほしい2016/01/03
Kluele
0
基本的なことを丁寧に書かれていて読みやすかった。2016/04/08
みるか
0
機械学習の勉強をする際に最初の一冊として勧められたのが本書である.抑えるべきことが網羅されている点とすべての章が数学的に記述されている点が好印象であった.機械学習の過学習を防ぐための手法として,モデルに正則化項を加えてパラメータの自由度を小さくするものがある.本書では一般的によく使われる L1 正則化と L2 正則化が実際にどのような役割を果たしているのかについて,バイアスとバリアンスという概念で説明している.これまで雰囲気でしか理解していなかったので参考になった.2021/10/01
tsk
0
掻い摘み読み。カステラ本(邦題:統計的学習の基礎)のパクリだとか書評している人も居たが、この本は機械学習のテキストは珍しく、精度や再現性などについて丁寧に定義している。カステラ本ではこの部分が見つけられなかったので、博論を書く時にはこの本を引用させてもらった。2020/01/27
PenguinTrainer
0
機械学習全般のアルゴリズムを数式にまで掘り下げて説明してくれている本。2019/12/09
-
- 和書
- KEITA 24/7