以前, パターン認識や機械学習を仕事で使っていたので, 最近の深層学習(Deep Learning)にはすごく興味がある.
ただ, 久しく機械学習から離れていたので, 少し基礎的なことを思い出そうと「ITエンジニアのための機械学習理論入門」(中井悦司著)を購入し, 読んでみた.
目 次
第1章 データサイエンスと機械学習
第2章 最小二乗法:機械学習理論の第一歩
第3章 最尤推定法:確率を用いた推定理論
第4章 パーセプトロン:分類アルゴリズムの基礎
第5章 ロジスティック回帰とROC曲線:学習モデルの評価法
第6章 k平均法:教師なし学習モデルの基礎
第7章 EMアルゴリズム:最尤推定法による教師なし学習
第8章 ベイズ推定:データを元に「確信」を高める手法
この本は, 理論入門ということだけあって, 機械学習の基本的な考え方(パラメトリックモデルの3つのステップ)に沿って, 分かりやすく説明されている.
パラメトリックモデルの3つのステップ
(1) パラメーターを含むモデル(数式)を設定する
(2) パラメーターを評価する基準を定める
(3) 最良の評価を与えるパラメーターを決定する.
今回復習したかった, 最尤推定法, 確率的勾配降下法やEMアルゴリズムなどについて, サンプルプログラムで試しながら理解を進めることができた.
他の専門書と比較すると, 論理の飛躍も少なく, 数式の意味や展開も噛み砕いて説明してあり, 機械学習の入門書としておすすめしたい本の1つである.
最後に, 初版 第1刷の正誤表情報を載せておく.
サポートページ:ITエンジニアのための機械学習理論入門:技術評論社
上記以外で, 気づいた誤り.
p.3 8行目 | ツールやライブライリーが | ツールやライブラリーが |
p.63 14-15行目 | トレーニングセットとした与えられた | トレーニングセットとして与えられた |
----
|
|
|
|