内容紹介

本書は機械学習をテーマとしているが、特に統計学と最適化を基礎におく理論と手法について説明。ここで説明する手法はデータマイニングにおいてもしばしば利用されている。具体的には、教師データを用いた線形モデルによる分類や回帰、およびその発展形としてサポートベクターマシン、さらに１データごとの処理によって学習を行うオンライン学習を説明。次に教師データを用いないクラスタリング、および潜在変数がある場合の代表的な学習手法であるＥＭアルゴリズムについて説明。最後に解析的な処理が難しい場合に用いることが多いMarkov連鎖Monte Carlo法を紹介。

目次

はじめに
第1章 機械学習の基礎概念
第2章 確率分布のパラメタ推定
第3章 線形モデル
第4章 過学習と予測性能
第5章 サポートベクターマシン
第6章 オンライン学習
第7章 クラスタリング
第8章 EMアルゴリズム
第9章 Markov連鎖Monte Carlo法
参考文献
おわりに
索引

関連商品

• 
  ソフトウェア工学から学ぶ 機械学習の品質問題 中島　震 著
  
• 
  東京大学工学教程 システム工学 知識システム　I 知識の表現と学習 東京大学工学教程編纂委員会 編
  青山　和浩 著
  山西　健司 著
  
• 
  東京大学工学教程 システム工学 知識システム　II 知識の創造と意思決定 東京大学工学教程編纂委員会 編
  大澤　幸生 著
  西野　成昭 著
  
• 
  東京大学工学教程 システム工学 システム理論II 東京大学工学教程編纂委員会 編
  大橋　弘忠 著
  鳥海　不二夫 著
  白山　 晋 著
  
• 
  東京大学工学教程 システム工学 システム理論 I 東京大学工学教程編纂委員会 編
  大橋　弘忠 著
  古田　一雄 著