目次
わけがわかる機械学習 現実の問題を解くために、しくみを理解する
- 中谷秀洋(著)
-
第0章:はじめに
0.1:本書の対象読者と構成
0.2:謝辞
第1章:機械学習ことはじめ
1.1:機械学習とは
1.2:モデルとは
1.3:深層学習とは
1.4:人工知能とは
第2章:確率
2.1:「起きやすさ」を数値で表す方法
2.2:確率
2.3:確率変数と確率分布
2.4:同時確率と条件付き確率
2.5:確率の周辺化と積の公式
2.6:3個以上の確率変数
2.7:確率の独立性
2.8:ベイズ公式
第3章:連続確率と正規分布
3.1:連続確率
3.2:確率密度関数
3.3:複数変数の連続確率
3.4:確率の平均と分散
3.5:二項分布
3.6:正規分布
3.7:中心極限定理
3.8:多次元正規分布
第4章:線形回帰
4.1:最小二乗法
4.2:最小二乗法の4つの仮定
4.3:線形回帰
4.4:線形回帰の解き方
4.5:過学習と不良設定問題
4.6:正則化
4.7:正則化項あり線形回帰の解き方
4.8:ガウス基底を使った線形回帰
第5章:ベイズ確率
5.1:確率の確率
5.2:ベイズ確率
5.3:ベイズ事前分布
第6章:ベイズ線形回帰
6.1:ノイズの分布
6.2:最尤推定
6.3:ベイズ線形回帰
6.4:ベイズ予測分布
第7章:分類問題
7.1:ナイーブベイズ分類器
7.2:パーセプトロン
7.3:2種類のエラー
7.4:ロジスティック回帰
7.5:多値ロジスティック回帰
第8章:最適化
8.1:勾配法
8.2:勾配法の性質
8.3:確率的勾配降下法
8.4:ロジスティック回帰の学習
第9章:モデル選択
9.1:モデルの汎化性能
9.2:交差検証
9.3:モデル選択と正則化
第10章:おわりに
10.1:機械学習を使わないという選択肢
付録A:本書で用いる数学
A.1:線形代数
A.2:解析
情報理論・情報科学 ランキング
情報理論・情報科学のランキングをご紹介します情報理論・情報科学 ランキング一覧を見る
前へ戻る
-
1位
-
2位
-
3位
-
4位
-
5位
-
6位
-
7位
-
8位
-
9位
-
10位
次に進む