投稿元：

レビューを見る

ボリュームがあって、GW中ずっと読んでいた本。
本のタイトルに統計学とあるけど、統計学に必要な数学について書かれてあると言うより、統計学を学ぶことを目指した数学の入門本といった感じで、最初は中学生が学ぶ文字式やマイナスの値から書かれてあって数学を学びなおしたいと思う人にとっても良い本だと思った。統計学を学ぶのがゴールなので、あまり幾何学(図形の角度など)については書かれてないけど、ある意味実用的な数学書ではあったと思う。
よく分からなかったのが、売上についての式で、
売上＝客単価×（前期顧客数×継続率＋新規顧客数/広告費×広告費）
となっていたのだけど、ここから売上を増やすには「客単価を上げる」「ユーザーの継続率を上げる」という考えになるのは分かるのだけど「広告費を増やす」というのがよく分からなかった。この式だけ見てみると、広告費がいくらでも売上には関係ないような気がするのだけど。
なお、対数logのlogとは、「ロガリズム」の略だそうなのだけど、このロガリズムというのは今風に直訳すると「神ってる数字」だそう。「すごい」というのを「神」という言葉であらわすのはどの国でも変わらないのかも。
なお、logの底を略すときはだいたい10かネイピア数eしかなく、特に統計学や機械学習の分野ではeであるということらしい。確か大学の時にlogの底を略した時には2とする授業があったような気がするのだけど、略してなかったっけ。確か、情報理論の授業だったような気がするのだけど。
今回一番身についたのは、なぜ相関係数が0.7以上なら相関が強いかということ。ただたんに７割ぐらいあってるならいいだろうということだと思ったら、この相関係数というのはcos(コサイン)の値のことを指しているらしく、0.7はcos45°(√2/2)に近いからということらしい。このへん、まだまだ勉強不足だ。

投稿元：

レビューを見る

統計学と機械学習で背景にある道具立てとしての数学は同じあるとの説明から始まる。ここで数年前にビッグデータ処理と称されていたことが現在人工知能と呼ばれる理由がよく分かる。
そして、これらで必要な数学の基本、二次関数、二項定理、対数、ベクトル・行列そして微分・積分を紹介し、終章ではディープラーニングでの活用事例を解説する流れになっている。
統計学あるいは機械学習のテキストをチラッと見ると数式が並んでいる。その数式を理解できるようになるためには、数学の何を勉強しておけば良いのかがわかるのが本書だ。さらっと読んで分からなかったところは読み直すか、場合によっては別の数学のテキストなどで勉強する必要がありそうです。

投稿元：

レビューを見る

2018003冊目。

AIやディープラーニングに興味があり手にした一冊。今までの著者の統計学シリーズがあまり数式に頼らなかったので、数学編はそのあたりの事を詳しく解説してあります。統計学の本と言うよりも統計学に役立つ数学の本でしょうか。

数式の証明もひとつひとつ丁寧に書かれているので、流れをきちんと見て行くことができます。二項分布、行列は何となく昔学んだことを思い出しながら、ベクトルや微積分、偏微分辺りになると時間の関係で、なかなか本質が理解できない所も。機械学習の話は流し読みですけど、数学の方程式などを見ていると、綺麗にまとまっているものは美しいと感じます。

物事の本質を知ることは、簡単な作業ではないなと実感。

投稿元：

レビューを見る

やはり対象としている読者レベルがわからない。理系にとっては分かりきっているような内容が多すぎる一方、数学を学んでこなかった人にとっては流石に一次方程式から偏微分までを1冊の本で身に付けるというのは無理があるだろう。自分に有用だったのは6章だけ。対象を理系に絞って六章の内容を膨らませる方がよいのでは？