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。
データ単体ではなくデータ間の関係に注目すると、データが「次」を予測してくれる。多重に次元が上がる解析を実際に行うために必要な知識を1冊におさめた。考え方を理解して、自分の分野で応用しよう。
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。
Tsukasa Fukunaga
3
前半は確率的ブロックモデルの話で、後半は行列分解・テンソル分解についての内容が記載されている。どちらも初歩から丁寧に説明されていて初学者にもわかりやすい。前半の内容は、「続・わかりやすいパターン認識」にも記載されており、モデルの理解だけであればどちらでも問題ないが、参考文献や実用上の問題などはこちらの方が詳しい。テンソル分解については機械学習への応用例としては和書で類書がない？ので勉強になった。2016/12/12
zukky65
1
関係データについて、どのようなデータかやどう解析するか（主にクラスタリング）について書かれた本。まだ、数式の部分は終えてないが、例などを交えて、かつ、かなり初歩の部分から説明を始めてくれているので、引っかかるところが非常に少なくわかりやすかった。関係データの勉強するなら、まずこの本を読んでそこからいろいろ調べるとよいのでは？と感じた。2019/11/04
shin_ash
1
無向グラフや有向グラフの様な変数間の関係データをクラスタリングする手法の解説。変数の集合をドメインと考えればドメイン間関係に基づきクラスタリングできる。このドメインが2種類なら行列で表現できるが、3種類以上なるとテンソルになる。このテンソンを分解することで、行列と同様にドメイン間の関係が整理できる。MLPシリーズにしては丁寧で分かりやすい記述の良書。類書があまり無いのでありがたい存在。分かりやすいとは言え、難易度は低くは無いので、読めば直ぐに使えるようなものでもない。どうやって適用するかじっくり考えたい。2019/07/11
センケイ (線形)
1
2種類のデータがあるときのクラスタリングの話題など、なかなか希少で嬉しい。下付き文字の誤植などだけ少し気になるが、引っかからずにサッと先に進みたいところ。もちろんそうはいっても膨大な論文から情報を集めている有難い本で、高階テンソルの典型的な圧縮の仕方など、是非参考にしたいものが充実している。2019/05/09
