パターン認識と機械学習 下 ベイズ理論による統計的予測

個数:1
紙書籍版価格
¥8,580
  • 電子書籍

パターン認識と機械学習 下 ベイズ理論による統計的予測

  • ISBN:9784621061244

ファイル: /

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。

ベイズ理論に基づいた統一的な視点から、機械学習とパターン認識の様々な理論や手法を解説した教科書。下巻では上巻の基礎的な話題を発展させた様々な手法を扱う。まず、予測精度の高さで注目を集めたサポートベクトルマシンと、今や幅広い領域で使われているカーネル法を説明。次に高度な確率モデルを表現するベイジアンネットなどのグラフィカルモデルや、潜在変数を扱うEMアルゴリズムを紹介。その後、ベイズ理論の適用範囲を広げた変分ベイズ法とMCMC法について触れ、次元削減や時系列の扱いといった話題を詳説。最後に複数のモデルを結合するブースティングなどの手法を説明。

目次

第1章 序論
1.1 例:多項式フィッティング
1.2 確率論
1.3 モデル選択
1.4 次元の呪い
1.5 決定理論
1.6 情報理論
第2章 確率分布
2.1 二値変数
2.2 多値変数
2.3 ガウス分布
2.4 指数型分布族
2.5 ノンパラメトリック法
第3章 線形回帰モデル
3.1 線形基底関数モデル
3.2 バイアス―バリアンス分解
3.3 ベイズ線形回帰
3.4 ベイズモデル比較
3.5 エビデンス近似
3.6 固定された基底関数の限界
第4章 線形識別モデル
4.1 識別関数(判別関数)
4.2 確率的生成モデル
4.3 確率的識別モデル
4.4 ラプラス近似
4.5 ベイズロジスティック回帰
第5章 ニューラルネットワーク
5.1 フィードネットワーク関数
5.2 ネットワーク訓練
5.3 誤差逆伝播
5.4 ヘッセ行列
5.5 ニューラルネットワークの正則化
5.6 混合密度ネットワーク
5.7 ベイズニューラルネットワーク
付録A データ集合
付録B 確率分布の一覧
付録C 行列の性質
付録D 変分法
付録E ラグランジュ乗数

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。

Chris

2
機械学習で使われる手法が網羅的に解説されているので機械学習の文化を知ることが出来る本だと思います。ベイズ統計、多変量解析の基礎的な知識があれば読み進めることが出来る内容になっているので、初めは慣れない考え方に戸惑うかもしれませんが自分で簡単な例を実装してみたり、気になったトピックの最近の流行りを調べてみたりするとより面白さがわかって理解が進むと思います。2015/02/27

げんき

1
半分くらいしか読んでないのだけど読んだ本に登録してしまう。まあ、下巻は全部読む必要はないんじゃないかなあ…2021/04/29

yoshi1987

1
ネット上の解説などを利用しながらなんとか完了 それでも理解が浅いところがある 実践などしつつ、再読もしていきたい2020/08/30

みるか

1
上巻に比べると専門的な内容(カーネル法,近似推論法など)を含んでいる.そのため,全ての内容を包括的に理解しようとするとかなり時間がかかってしまうだろう.私は,第8章の「グラフィカルモデル」と第11章の「サンプリング法」を重点的に読んだ.特に,ハミルトン力学とメトロポリス法を組み合わせた「ハイブリッドMC」について理解を深めて何かできないかと考えていたのだが頓挫している.2019/01/30

jogneko

0
下巻の8章を中心に一通り目を通した。ベイジアンネットワークの考え方、構造、アルゴリズム等について理解を深めることができた。特に4章についてはシミュレータを作成しつつ読み、シミュレータの動作確認を行った。有向非巡回グラフ(ベイジアンネットワーク)、無効グラフ化、モラル化、最大クリーク、確率伝播アルゴリズム、因子グラフ、隠れ変数の概念とそれらの関係性、ループ有グラフの収束問題などについての理解が深まった。確率伝播アルゴリズムの計算量削減効果、ノード数の限界についてシミュレータで確認した。大変役にたちました。

外部のウェブサイトに移動します

よろしければ下記URLをクリックしてください。

https://bookmeter.com/books/4683957
  • ご注意事項

最近チェックした商品

 

同じシリーズの商品一覧

該当件数2件 全てにチェックを入れる/全てにチェックをはずす