はじめてのパターン認識

著者 :
  • 森北出版
3.90
  • (6)
  • (6)
  • (8)
  • (0)
  • (0)
本棚登録 : 333
レビュー : 13
  • Amazon.co.jp ・本 (232ページ)
  • / ISBN・EAN: 9784627849716

作品紹介・あらすじ

パターン認識を学ぶ入門書に最適。Rによる実行例も収録。

感想・レビュー・書評

並び替え
表示形式
表示件数
絞り込み
  • 機械学習などについてまとめた本
    いろいろな機械学習について解説されていて網羅できる。
    まあ基本として読んどくのが良いと思う

  • 【機械工学科・機械情報工学科】ベストリーダー2020 第9位

    東京大学にある本はこちら
    https://opac.dl.itc.u-tokyo.ac.jp/opac/opac_link/bibid/2003093493

  • 機械学習・パターン認識の基礎的な内容を一通り解説している。内容は目次を読んでもらえれば良いと思うが、この薄い分量で各項目を必要十分に説明している印象を受けた。数式もわかりやすかったと思う。特に、サポートベクターマシン、部分空間法については非常に綺麗にまとまっていた。機械学習・パターン認識への入門書としてはとても良い選択だと思う。
    ただし誤植が多い。

  • 配架場所 : GP資料
    請求記号 : GP@007.1@H100@1
    Book ID : 80600063232

    http://keio-opac.lib.keio.ac.jp/F/?func=item-global&doc_library=KEI01&doc_number=002296676&CON_LNG=JPN&

  • 【内容紹介】
    パターン認識にはじめて触れる読者に向け,基礎からわかりやすく解説した入門書です.パターン認識の概念がよく理解できるとともに,Rによる実行例など,実際に応用する際にも役立つ内容が盛り込まれています.
    https://www.morikita.co.jp/books/book/2235


    【目次】
    まえがき(2012年5月 著者) [i-ii]
    目次 [iii-v]
    本書で使う代表的な記号 [vi]

    第1章 はじめに 001
    1.1 パターン認識とは
    1.2 特徴の型
    1.3 特徴ベクトル空間と次元の呪い

    第2章 識別規則と学習法の概要 008
    2.1 識別規則と学習法の分類
    2.2 汎化能力

    第3章 ベイズの識別規則 021
    3.1 ベイズの識別規則
    3.2 受信者動作特性曲線

    第4章 確率モデルと識別関数 036
    4.1 観測データの線形変換
    4.2 確率モデル
    4.3 確率モデルパラメータの最尤推定

    第5章 k最近傍法(kNN法) 054
    5.1 最近傍法とボロノイ境界
    5.2 kNN法
    5.3 kNN法とベイズ誤り率
    5.4 kNN法の計算量とその低減法

    第6章 線形識別関数 071
    6.1 線形識別関数の定義
    6.2 最小2乗誤差基準によるパラメータの推定
    6.3 線形判別分析
    6.4 ロジスティック回帰

    第7章 パーセプトロン型学習規則 096
    7.1 パーセプトロン
    7.2 誤差逆伝搬法
    7.3 誤差逆伝搬法の学習特性

    第8章 サポートベクトルマシン 114
    8.1 サポートベクトルマシンの導出
    8.2 線形分離可能でない場合への拡張
    8.3 非線形特徴写像
    8.4 ν-サポートベクトルマシン
    8.5 1クラスサポートベクトルマシン

    第9章 部分空間法 135
    9.1 部分空間
    9.2 主成分分析
    9.3 特異値分解
    9.4 部分空間法
    9.5 カーネル主成分分析
    9.6 カーネル部分空間法

    第10章 クラスタリング 152 
    10.1 類似度と非類似度
    10.2 非階層型クラスタリング(K-平均法)
    10.3 階層型クラスタリング(融合法)
    10.4 確率モデルによるクラスタリング

    第11章 識別器の組み合わせによる性能強化 175
    11.1 ノーフリーランチ定理
    11.2 決定木
    11.3 バギング
    11.4 アダブースト
    11.5 ランダムフォレスト

    付録 ベクトルと行列による微分 198
     A.1 ベクトルによる微分
     A.2 行列によるスカラー関数の微分

    解答 [201-211]
    参考文献 [212-214]
    索引 [215-219]

  • 数式がわからなかったので、線形代数の基本書を読み、ベクトルやスカラーについて勉強しながら読み進めてます。

  • IoT、ビッグデータ、人工知能ブームだ。このブームを支える技術の1つが機械学習である。
    特に、Azure MLなどクラウドの機械学習プラットフォームも登場し、
    より多くの企業が機械学習の活用を検討することになるだろう。
    特に今まで使ったことのない企業は、ITベンダーから提案されるままに、
    機械学習というキーワードに飛びついて、つまらないシステムに投資するリスクも高まる。
    そのため、機械学習の基本概念と数学的基礎を知っておくことは、
    ソリューションの目利きのために、必要不可欠だろう。

    機械学習の入門書は数多く、図解中心で数式のほとんどないものから、
    数ページにわたる数式展開や例題からなるものまで、難易度の幅は広い。
    内容についても、教師あり学習の2、3のアルゴリズムだけのものから、
    最近のディープラーニングまで多くの手法を紹介するものまである。
    保有知識や目的によって、適切な書を選ぶ必要がある。

    本書は、代表的なパターン認識のアルゴリズムについて、
    識別関数や識別精度を数式で導くところから解説し、応用問題もあり、
    本当の理解のためには、大学の線形代数や応用数学の知識が必須ではある。
    しかし数式をさらっと流しても、各手法の雰囲気はつかめるように書かれている。
    もちろん、紙と鉛筆で自分で計算するのが、本書の正しい使い方だろう。
    ちなみに訂正が多いので、出版社から訂正表をダウンロードする方がよい。

    機械学習について、数学的に何をやっているのかを知りたい人、
    各アルゴリズムの違いを理解したい人、バリバリの数学書は時間がない、という人向け。

  • パターン認識の入門書です。ある程度ベイズ統計学や、統計学、線形代数や解析学を習得していないと独学するのは厳しいと思います。

    これをもとにプログラムを書くってよりは上位の本につなげる本だという認識で読んだ方がいいかと思います。

  • 購入。

    色々なパターン認識の手法が数式とともに紹介されている。

    正直半分も理解できなかったが、どのような手法があり、それぞれの長所・短所は何かを少し把握できた。
    この本だけでは実装するには自分の力が足りないし、Rによる実行例も収録とあるが、具体的なコマンドが書かれている訳ではないから、色々調べながら実行することになると思う。
    パターン認識の基本的な考え方を一冊で頭に入れたいときにいい本だと思うし、式を知りたくなったときに戻れるものだとも思う。

全13件中 1 - 10件を表示

平井有三の作品

はじめてのパターン認識を本棚に登録しているひと

ツイートする
×