パターン認(rèn)識(shí)と機(jī)械學(xué)習(xí) 上 - ベイズ理論による統(tǒng)計(jì)的予測(cè)

內(nèi)容概要

內(nèi)容紹介
2006年出版以來,amazon.comの人工知能部門で世界的トップセラーとなり,たちまち4刷となった英語(yǔ)版原著Pattern Recognition and Machine Learning,待望の日本語(yǔ)版.5名の監(jiān)訳者のもと,選りすぐられた日本人研究者達(dá)14名によって丁寧に訳出されている.ベイズ理論に基づいた統(tǒng)一的な視點(diǎn)から,機(jī)械學(xué)習(xí)とパターン認(rèn)識(shí)の様々な理論や手法を解説。
著者からのコメント
■□■ 本書の特長(zhǎng) ■□■
★ ベイズ理論に基づく統(tǒng)一された説明:ベイズ理論に基づく統(tǒng)計(jì)的予測(cè)技術(shù)は,計(jì)算アルゴリズムの開発と計(jì)算機(jī)の性能向上によって,急速に進(jìn)展しました.本書は,このベイズ理論の観點(diǎn)で統(tǒng)一的に整理された視點(diǎn)で,各種の機(jī)械學(xué)習(xí)?パターン認(rèn)識(shí)の理論や手法を解説しています.
★ 基本から発展までバランスとれた構(gòu)成:本書は,確率入門?決定理論?回帰問題?識(shí)別問題のような基本的で平易な話題から始まっています.これらの基本をふまえた上で,90年代に登場(chǎng)したサポートベクトルマシンやブースティングといった手法,機(jī)械學(xué)習(xí)アルゴリズムの適用範(fàn)囲を広げたカーネルトリックやグラフィカルモデル,およびベイズ理論の実用化にあたって不可欠だったMCMCや変分ベイズといった高度な話題までを?qū)Wぶことができます.
★ カラーの図による直観的な説明:機(jī)械學(xué)習(xí)?パターン認(rèn)識(shí)の本は數(shù)式による説明だけになりがちです.本書はこうした形式的な説明に加えて,図を用いた直観的な説明も加えています.イメージを伴った理解は,機(jī)械學(xué)習(xí)手法を応用問題に適用するときや,新たなアイデアを創(chuàng)出するときに役立つことでしょう.さらに,多くの図がカラーで収録されている,日本の情報(bào)科學(xué)分野の本では希少な本です.
★ 豊富な演習(xí)問題:本書は演習(xí)問題も豊富で,400問以上収録されています.これらの問題は自身の理解度を確認(rèn)するのに役立つでしょう.

書籍目錄

★ 第1章:序論:機(jī)械學(xué)習(xí)の大きな枠組みと,確率と情報(bào)理論の基本について學(xué)びます.
まず,パターン認(rèn)識(shí)?機(jī)械學(xué)習(xí)の基本的な枠組みである教師あり學(xué)習(xí)や教師なし學(xué)習(xí)などを紹介します. ベイズの定理,期待値,分散などの確率の基礎(chǔ)を?qū)Wんだあと,最尤推定などの基本的な推定手法に加えて,交差確認(rèn)法や次元の呪いといった重要な注意事項(xiàng)について述べます. 損失関數(shù)を最小にするという決定理論に続き,エントロピーやカルバック-ライブラーダイバージェンスなどの情報(bào)理論の基礎(chǔ)について述べます.
★ 第2章:確率分布:二項(xiàng)分布やガウス分布などの各種の確率分布について學(xué)びます.
これらの分布について,ベイズ推定をしたときの事前分布や事後分布の具體的な形を?qū)Г蓼?また,逐次推定,指數(shù)型分布族,共役事前分布,無(wú)情報(bào)事前分布などの確率分布に関する事項(xiàng)も合わせて述べます.最後に,カーネル密度推定や最近傍法などのノンパラメトリック手法を紹介します.
★ 第3章:線形回帰モデル:教師あり學(xué)習(xí)の雙璧の一つ回帰問題について學(xué)びます.
基本的な線形回帰から始め,その逐次推定や,正則化を?qū)毪筏骏辚氓富貛?バイアス-バリアンスなどの発展的な內(nèi)容を取り上げます.さらに,こうした最尤推定による方法に加えて,ベイズ推定による方法に移り,ベイズの観點(diǎn)からのモデル選択と,これらを行うためのエビデンス近似を述べます.
★ 第4章:線形識(shí)別モデル:もう一つの重要な教師あり學(xué)習(xí)である識(shí)別問題について學(xué)びます.
基本である線形の識(shí)別手法であるフィッシャーの判別分析やパーセプトロンをまず述べます.その後,生成モデルや識(shí)別モデルの考えと,具體的な手法を紹介します.この識(shí)別問題の場(chǎng)合でも,ベイズ推定の場(chǎng)合を紹介します.
★ 第5章:ニューラルネットワーク:代表的な機(jī)械學(xué)習(xí)の手法であるニューラルネットについて學(xué)びます.
ニューラルネット自體の紹介に続いて,誤差逆伝播法による學(xué)習(xí)について述べます. 勾配降下法による最適化と,そのために必要なヘッセ行列の近似を紹介します.このニューラルネットについても,正則化やベイズ推定の拡張をします.

圖書封面

評(píng)論、評(píng)分、閱讀與下載

---

---