内容説明
機械学習アルゴリズムの基礎を広く紹介。既存ライブラリを使用した受身の機械学習を脱却し，より高度な機械学習技術の習得を目指す。
目次
表紙
第1章 機械学習とアルゴリズム
1.1 機械学習とは
1.1.1 これまでのコンピュータとこれからのコンピュータ
1.1.2 最近の技術
1.1.3 人間vs. コンピュータ
1.1.4 教師あり学習・教師なし学習・強化学習
1.2 アルゴリズムとは
1.2.1 身の回りのアルゴリズム
1.2.2 アルゴリズムによる出力の違い
1.2.3 アルゴリズムの計算時間
1.2.4 ソートアルゴリズム
1.2.5 計算時間の比較
1.2.6 オーダ記法
1.2.7 基本的なアルゴリズム
第Ⅰ部 教師あり学習
第2章 分類
2.1 まずはやってみよう
2.2 分類分析とは
2.3 1次元の場合
2.3.1 線形探索
2.3.2 二分探索
2.3.3 線形探索と二分探索
2.4 2次元の場合
2.4.1 調べる直線の数を減らそう
2.4.2 凸包
2.5 サポートベクターマシン
2.5.1 マージン
2.5.2 数理計画
2.6 線形分離可能性
2.6.1 カーネル法
2.7 その他の分類手法
2.7.1 決定木
2.7.2 ランダムフォレスト
2.7.3 MT法
2.7.4 怠惰学習
第3章 回帰
3.1 回帰分析とは
3.2 単回帰
3.3 多項式回帰と過学習
3.4 ロジスティック回帰
3.4.1 二項ロジスティック回帰
3.4.2 多項ロジスティック回帰
3.4.3 順序ロジスティック回帰
3.4.4 ロジスティックという名の由来
第4章 検証
4.1 機械学習の性能
4.2 機械学習の性能を測る
4.2.1 条件付き確率
4.2.2 ベイズの定理
4.2.3 再現率と適合率
4.3 機械学習の性能を試す
4.3.1 ホールドアウト法
4.3.2 交差確認法
4.3.3 1つ抜き法
4.3.4 ブートストラップ法
第Ⅱ部 教師なし学習
第5章 クラスタリング
5.1 クラスタリングとは
5.2 階層的クラスタリング（ボトムアップ型）
5.2.1 樹形図
5.2.2 グループ同士の距離
5.2.3 データ同士の距離
5.2.4 最近点対問題
5.3 階層的クラスタリング（トップダウン型）
5.3.1 DIANA法
5.4 非階層的クラスタリング
5.4.1 k平均法
5.4.2 k平均++法
5.4.3 スペクトラルクラスタリング
5.4.4 fuzzy c-means
第6章 次元削減
6.1 次元削減とは
6.2 主成分分析
6.3 自己符号化器
第7章 自然言語処理
7.1 自然言語処理とは
7.2 自然言語生成
7.2.1 n-gram
7.2.2 マルコフ連鎖
7.3 形態素解析
7.3.1 わかち書き
7.4 かな漢字変換
7.4.1 文節数に着目した手法
7.4.2 コストに着目した手法
7.4.3 その他の手法
第Ⅲ部 強化学習
第8章 強化学習
8.1 強化学習とは
8.1.1 状態と報酬
8.1.2 状態価値
8.2 動的計画法（DP法）
8.2.1 強化学習とゲーム
8.2.2 Mattix
8.2.3 Mattixの状態価値
8.2.4 ゲーム木とMin-Max法
8.3 モンテカルロ法
8.3.1 多腕バンディット問題
8.4 時間的差分学習（TD法）
8.4.1 格子上のランダムウォーク
8.4.2 行動価値
8.4.3 割引率
8.4.4 学習率
第Ⅳ部 深層学習
第9章 深層学習
9.1 深層学習とは
9.2 ニューラルネットワークとは
9.2.1 ニューロンのモデル化：しきい値素子
9.2.2 ニューラルネットワークのモデル化：しきい値回路
9.2.3 活性化関数
9.3 ニューラルネットワークの学習
9.4 勾配降下法
9.4.1 勾配降下法の問題点と解決策
9.5 その他のニューラルネットワーク
9.5.1 畳み込みニューラルネットワーク
9.5.2 再帰型ニューラルネットワーク
9.5.3 敵対的生成ネットワーク
おわりに
参考文献
略解
索引
感想・レビュー
※以下の感想・レビューは、株式会社ドワンゴの提供する「読書メーター」によるものです。
takao
Urapon
-
- 和書
- 聖書から出た日本語１００
