内容説明
パターン認識の基礎について、やさしく丁寧に解説した入門書。
図と数式によって、きちんと理解することができます。
初めて学ぶ方や、ほかの本では難しいと感じている方に、おすすめの一冊です。
〈本書のおすすめポイント〉
●数式や概念を、多くのカラー図を使って解説
→初学者がつまずきやすい難しい部分も、視覚的に理解することができます。
●やさしい語り口で、数式の意味をかみ砕きながら説明
→物語を読むかのように、自然と読み進めることができます．
●例題や「Lets try!」という問題が豊富
→理解度をチェックすることができます。
●Pythonのサンプルプログラムを提供
→実際に手元で動かして、理解を深めることができます。
目次
Chapter1 パターン認識とは
Chapter2 線形識別モデルと学習
Chapter3 誤差評価に基づく学習
Chapter4 事後確率最大化（MAP）基準による識別
Chapter5 パラメトリックな学習
Chapter6 ベイズ推定
Chapter7 クラス依存確率密度を正規分布でモデル化したMAP推定
Chapter8 ニューラルネットワーク（feed forward型）
Chapter9 サポートベクトルマシン
Chapter10 期待損失最小化（リスク最小化）識別
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。
愛楊
1
非常に分かりやすい好著。10章あり、大学の1単位と同等の労力で読むことになる。例題や図、まとめ、具体的な例などが盛り込まれているため、トップダウンではない仕方でパターン認識を勉強できる。最尤推定と事後確率最大化推定、ベイズ推定など。ソフトマックス関数が条件付き確率から導けることは興味深かった。線形分離不可能な点群を次元数を上げることによって線形分離可能とするSVM（カーネルトリック）、過度な最適化を抑えるスラック変数（ソフトマージン）、多クラスSVMの計算量の大きさは、なにか認識論的な含意がありそうだ。2024/05/14
