内容紹介

ベイズ理論に基づく統計的予測技術は、計算アルゴリズムの開発と計算機の性能向上により、近年、急速に進展してきた。本書は、この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。この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６章　カーネル法
　６．１　双対表現
　６．２　カーネル関数の構成
　６．３　ＲＢＦネットワーク
　６．４　ガウス過程
第７章　疎な解を持つカーネルマシン
　７．１　最大マージン分類機
　７．２　関連ベクトルマシン
第８章　グラフィカルモデル
　８．１　ベイジアンネットワーク
　８．２　条件付き独立性
　８．３　マルコフ確率場
　８．４　グラフィカルモデルにおける推論
第９章　混合モデルとＥＭ
　９．１　Ｋ―ｍｅａｎｓクラスタリング
　９．２　混合ガウス分布（Mixtures of Gaussians）
　９．３　ＥＭアルゴリズムのもう一つの解釈
　９．４　一般のＥＭアルゴリズム
第10章　近似推論法
　10．１　変分推論
　10．２　例：変分混合ガウス分布
　10．３　変分線形回帰
　10．４　指数型分布族
　10．５　局所的変分推論法
　10．６　変分ロジスティック回帰
　10．７　ＥＰ法
第11章　サンプリング法
　11．１　基本的なサンプリングアルゴリズム
　11．２　マルコフレンサ連鎖カルロ
　11．３　ギブスサンプリング
　11．４　スライスサンプリング
　11．５　ハイブリッドモンテカルロアルゴリズム
　11．６　分配関数の推定
第12章　連続潜在変数
　12．１　主成分分析
　12．２　確率的主成分分析
　12．３　カーネル主成分分析
　12．４　非線形潜在変数モデル
第13章　系列データ
　13．１　マルコフモデル
　13．２　隠れマルコフモデル
　13．３　線形動的システム
第14章　モデルの結合
　14．１　ベイズモデル平均化
　14．２　コミッティ
　14．３　ブースティング
　14．４　木構造モデル
　14．５　条件付き混合モデル

出版社からのメッセージ

本書は、2008年７月にシュプリンガー・ジャパン株式会社より出版された同名書籍を再出版したものです。

関連商品

• 
  パターン認識と機械学習 上 ベイズ理論による統計的予測 元田　浩 監訳
  栗田　多喜夫 監訳
  樋口　知之 監訳
  松本　裕治 監訳
  村田　昇 監訳