内容説明
※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、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。
日々生成されるデータを「意味」のある情報としてとらえるための基礎技術を、その牽引役の1人が丁寧に解説した。離散確率分布の基礎から各種モデル、テキストデータにとどまらない応用事例までが1冊にまとまり、学びやすい。書籍初収録の例も豊富に含まれている。コンパクトでありながら、親切な記述なので、ついていける、読み通せる。
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。
Sean
1
段階をおって説明するので非常に分かりやすかった2020/04/14
ユータス
1
トピックモデルとかLDAとか呼ばれている手法で何ができるか知りたくて読みました。トピックモデルが文書以外にも幅広く使えること、モデルを拡張して補助情報や構造を組み込めることが分かりました。簡単な手法から徐々に複雑になるので、添字を追うのは大変ですが、丁寧に読めば理解できます。トピックモデルに限らず、確率モデリングや計算統計学（EMアルゴリズム、変分ベイズ、ギブスサンプリング）のとっかかりとしても良いと思います。アルゴリズムは実際に実装することもできそうですが、パッケージの使い方等は紹介されていません。2019/10/23
Tsukasa Fukunaga
0
トピックモデルについての概説書。わかりやすく書かれていると思うが、ちょうど似た時期に発売した佐藤先生のトピックモデル本と比べると内容が薄い。(ページ数が1/2なので仕方ないのだが・・) 佐藤先生の本が、特異値分解の話をした後すぐにトピックモデルに飛ぶのに比べ、本書ではユニグラムモデル→混合ユニグラムモデル→トピックモデルと段を追って複雑にしていくので、確率モデルに慣れていない人は、こちらの方がわかりやすいかも。トピックモデルの拡張方法については、両本とも独自の内容が含まれているので、両方目を通すのがいい。2015/05/06
つ
0
言ってることはわかるけど何してるかが全くわかっていないのでもう少し知識を詰めてもう一度読まないとな…2020/06/18
yoschi_s
0
トピックモデルの手法や文書以外のデータの適用について説明している。 ユニグラムモデル・混合ユニグラムモデル・トピックモデルの章は，一貫して最尤推定(MAP推定)→ベイズ推定(変分ベイズ・崩壊型ギブスサンプリング)という順で説明されており，各手法の違いを確認しながら読むと理解が深まる。 実装についても，pseudo codeが書かれているのでこれに従って書けばいけそうだ。いや，まずはpythonかRのパッケージか…。2018/02/04
