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 |
----
|
|
|
|
