傾向と対策の如く山感も当たれば最適な手法といったベイズの定理を機械学習に応用して賢く学習をさせるという趣向の入門書なのでしょうか。ちょっと気になる本だ。
最短経路で平易に理解できる、今までにない入門書！ ベイズ主義機械学習（ベイズ学習）の基本原理にのっとり、「モデルの構築→推論の導出」という一貫した手順でアルゴリズムの作り方を解説。どこまでも分かりやすい！
最短経路で平易に理解できる、今までにない入門書！
ベイズ主義機械学習（ベイズ学習）の基本原理にのっとり、「モデルの構築→推論の導出」という一貫した手順でアルゴリズムの作り方を解説。どこまでも分かりやすい！
【主な内容】
1 機械学習とベイズ学習
2 基本的な確率分布
3 ベイズ推論による学習と予測
4 混合モデルと近似推論
5 応用モデルの構築と推論
【機械学習スタートアップシリーズ】
本シリーズは、「機械学習ブーム」の先駆けとして2015年から刊行されている『機械学習プロフェッショナルシリーズ』の弟分的な存在を目指す、注目の新シリーズです。
「機械学習をもっと身近に、機械学習をもっとわかりやすく！」を合言葉に、より丁寧な記述で、基本的なテーマを解説していきます。
発売日：2017年10月21日
著者／編集：須山 敦志（著）, 杉山 将（監修）
レーベル：KS情報科学専門書
出版社：講談社サイエンティフィク
発行形態：単行本
ページ数：256p
ISBNコード：9784061538320 |
主な目次
- 第1章 機械学習とベイズ学習
- 機械学習とは
- 機械学習の代表的なタスク
- 機械学習の 2 つのアプローチ
- 確率の基本計算
- グラフィカルモデル
- ベイズ学習のアプローチ
- 第2章 基本的な確率分布
- 第3章 ベイズ推論による学習と予測
- 学習と予測
- 離散確率分布の学習と予測
- 1次元ガウス分布の学習と予測
- 多次元ガウス分布の学習と予測
- 線形回帰の例
- 第4章 混合モデルと近似推論
- 混合モデルと事後分布の推論
- 確率分布の近似手法
- ポアソン混合モデルにおける推論
- ガウス混合モデルにおける推論
- 第5章 応用モデルの構築と推論
- 線形次元削減
- 非負値行列因子分解
- 隠れマルコフモデル
- トピックモデル
- テンソル分解
- ロジスティック回帰
- ニューラルネットワーク
楽天ブックスは品揃え200万点以上！
![[商品価格に関しましては、リンクが作成された時点と現時点で情報が変更されている場合がございます。]](https://hbb.afl.rakuten.co.jp/hgb/020b1da6.08805495.03a2a2b9.70a3458b/?me_id=1213310&item_id=18744067&m=https%3A%2F%2Fthumbnail.image.rakuten.co.jp%2F%400_mall%2Fbook%2Fcabinet%2F8320%2F9784061538320.jpg%3F_ex%3D80x80&pc=https%3A%2F%2Fthumbnail.image.rakuten.co.jp%2F%400_mall%2Fbook%2Fcabinet%2F8320%2F9784061538320.jpg%3F_ex%3D240x240&s=240x240&t=picttext "[商品価格に関しましては、リンクが作成された時点と現時点で情報が変更されている場合がございます。]")
