多変量解析入門 - 線形から非線形へ

著者名：小西貞則

岩波書店（2021/09発売）

• ISBN：9784000056533
• NDC分類：417

内容説明

諸科学，産業界のあらゆる分野で，複雑な多次元データから情報やパターンを抽出する必要性は増すばかりである．本書では，回帰モデルやベイズ判別，主成分分析，サポートベクターマシーンによる判別法などさまざまな解析手法について，単変量から多変量，二群から多群，線形から非線形への展開を，実例とともに平易に解き明かす．※この電子書籍は「固定レイアウト型」で作成されており，タブレットなど大きな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，文字列のハイライト，検索，辞書の参照，引用などの機能は使用できません．

目次

１　はじめに┴1.1　現象のモデル化┴1.2　識別・判別┴1.3　次元圧縮┴1.4　分類┴２　線形回帰モデル┴2.1　２変数間の関係を捉える┴2.2　多変数間の関係を捉える┴３　非線形回帰モデル┴3.1　現象のモデル化┴3.2　基底関数に基づくモデル┴3.3　基底展開法┴3.4　正則化法┴４　ロジスティック回帰モデル┴4.1　リスク予測モデル┴4.2　複合リスク予測モデル┴4.3　非線形ロジスティック回帰モデル┴５　モデル評価基準┴5.1　予測誤差に基づく評価基準┴5.2　情報量基準┴5.3　ベイズ型モデル評価基準┴６　判別分析┴6.1　フィッシャーの線形判別┴6.2　マハラノビス距離に基づく判別法┴6.3　多群判別┴6.4　変数選択┴6.5　正準判別┴７　ベイズ判別┴7.1　ベイズの定理┴7.2　ベイズ判別法┴7.3　ロジスティック判別┴８　サポートベクターマシーン┴8.1　分離超平面の構成┴8.2　線形分離可能でない場合のテクニック┴8.3　線形から非線形へ┴９　主成分分析┴9.1　主成分の構成┴9.2　カーネル主成分分析┴10　クラスター分析┴10.1　階層的分類法┴10.2　非階層的分類法┴10.3　混合分布モデル┴付録A　ブートストラップ法┴付録B　ラグランジュの未定乗数法┴付録C　EMアルゴリズム

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。

[壱萬弐仟縁]

第４課題再々提出となり、問題Ⅳのためには借りたが、昨日事務局とお電話して今後の方針を確認。テキストどおり手順を踏まないとだめだということだった。主成分分析の箇所のみ、なんとか読んでおいたが、前半しかわからない。後半の数式などは、まだ研鑽が必要だ。行列式や、線形代数の本を読む必要がある。。

2024/04/06

[まろにしも]

じっくり読めば読むほどジワジワと解ってくる（解った気になる）嬉しさを味わいながら、気が早いことに、まだ全部読み切っていなにのにもう一回読むぞ（長い付き合いになりそ）と意気込んでいたのに・・・相対問題あたりから、「ちょ、ちょっと待って・・・」と取り残され、主成分分析の導入はシビれるほどビビっと感じたのに、またもやカーネルサンダースに入り込むことが出来ず・・・。いまは数理統計学の問題を解くのが面白いので、しばらく発酵させる（積読する）ことにしました。間違いなく名著だけど、胸を張って言うに足る実力が当方に不足。

2023/12/30

PRMLに読みづらさを感じたので。東大出版「統計学入門」の多変量版といった感じで読みやすい。数式のレベルは簡単め。1つ上のレベルというと「統計学の基礎I」？線形回帰の一般化としての重回帰に始まり、Fisherの線形判別・主成分分析などを経て、SVM・クラスタリングなどまで手広く扱う。載っていないのは重回帰の多重共線形・GLM・ベイズその先・決定木・ランダムフォレスト・NNと深層学習全般。読めばDS系の話が一通り「何言ってるかわかる」ようになると思う。

2020/04/11

[shin]

多変量解析では一番式変形も丁寧で、話題も網羅的、論の展開も癖がなく独学が可能。コード例がないので、実装は別の参考書見る必要があるが、理論を理解するために読んで損することはない。

2020/01/15

[S]

わかりやすい、おすすめ。

2018/08/09