1人中、1人の方がこのレビューが役に立ったと投票しています。
投稿者:ぱろっく - この投稿者のレビュー一覧を見る
式がすごいわかりやすく、PRMLと合わせて読むと理解が深まりました。
また、pythonのサンプルコードを自分で分解して、数式をどうプログラムに落とし込んでいるかなどをみて、実装力がつきました。
読書感覚で気軽に読める難易度までかみ砕いてくれているので、とてもおすすめです。
電子書籍
読みやすい
2016/02/14 12:28
0人中、0人の方がこのレビューが役に立ったと投票しています。
投稿者:らった - この投稿者のレビュー一覧を見る
数学が苦手な人でも読み進められるのがいい。若干冗長かも。iPhoneの縦置きでは数式や図が小さすぎて拡大も出来ず、一々横向きにしなければならないのは鬱陶しい。
投稿元:
レビューを見る
ロジスティック回帰やベイズ推定などをわかりやすく解説していると思います。多少数学を追う必要はありますが、言語処理のための機会学習入門とかを読んでいれば追えると思われます。
投稿元:
レビューを見る
20151123
最小二乗法では次数をいくつにすべきかで悩むが、サンプルに過度に適合するオーバーフィッティングを避けるために、クロスバリデーションが使える。クロスバリデーションとは、データをトレーニングセットとテストセットに分ける際、例えば5分割した場合に4つをトレーニング、1つをテストとして5通りで検証を行うこと。これにより最適な次数を決定する。
行列等数学は、わかるが都度復習が必要だ。
また、最尤推定法やベイズ推定についても何度か学んだはず。身につけたい。
分類アルゴリズムのパーセプトロン(データを線で分割する際に法線ベクトルの傾きを変えることで直線の傾きを調整する。)はわかりやすい方法。
ロジスティック回帰はそれを進歩させ、確率的な推定を行う。ROC曲線は、真陽性率と偽陽性率の関係(第1種、第2種の過誤?)を示したグラフで、分類結果の良し悪しを判定可能。過誤は少なく。
k平均法はデータをランダム設定した代表点により分類し、その後それぞれのクラスタの重心を代表点としてまたクラスタリング。これで代表点が動かないとこまで繰り返し。
あとは、実際にデータを使って遊んでみたい。
何を実現したいか考えて勉強しよう。
投稿元:
レビューを見る
同僚と輪読会形式で読了した。
著者は数学的な背景とPythonのサンプルコードで丁寧にデータサイエンスについて説明してくれようとしているので、
なかなか良かった。
ただ、一部章立ての流れが?の箇所があったり、最尤推定で通していたが、最後にベイズを出すあたりが、どうなんだろうなあとも感じた。
まあ、基本を学びたい人には良い本であることは間違いない。
■目次
第1章 データサイエンスと機械学習
第2章 最小二乗法:機械学習理論の第一歩
第3章 最尤推定法:確率を用いた推定理論
第4章 パーセプトロン:分類アルゴリズムの基礎
第5章 ロジスティック回帰とROC曲線:学習モデルの評価方法
第6章 k平均法:教師なし学習モデルの基礎
第7章 EMアルゴリズム:最尤推定法による教師なし学習
第8章 ベイズ推定:データを元に「確信」を高める手法
投稿元:
レビューを見る
学習の部分やデータサイエンスの話は少ない
基礎となる数学の話
各章判りやすいが、どの話もイントロで終わってしまっている印象
投稿元:
レビューを見る
ディープラーニングを始めるにあたり読んだが、全く的ハズレだった。もちろん自分の勘違いで。いわゆるディープラーニング以前の機械学習の理論について書いてある。勿論半分くらい理解できない。ディープラーニングだけやりたい人は読まなくていいかも。でもその後他の手法にも手を出したので、自分としては読んでおいて損は無かった。
投稿元:
レビューを見る
http://n3104.hatenablog.com/entry/2016/09/03/155322
投稿元:
レビューを見る
教師あり学習(回帰、分類)と教師なし学習(クラスタリング)の概要をつかめる。学習モデルの評価法(クロスバリデーション、ROC曲線)などにも言及あり。広く浅く機械学習を知るには良い。
しかし、作為的な説明方法が少し気になる。(正規分布に属する前提など)
投稿元:
レビューを見る
機械学習について、評判が良かったので購入した。
タイトルから入門用と思って購入したが、
機械学習やPythonを知らない入門者には難しいのではないかと感じた。
入門とするなら
説明ももう少し詳細に行うべきだし、あまり良いとは感じない。
投稿元:
レビューを見る
最初の最小二乗法で久しく接していない世界に浸り結構苦しみましたが、ここがある程度理解できると、最尤推定法、パーセプトロン、ロジスティック回帰、k平均法、EMアルゴリズム、ペイズ推定法と読み進むことができた。まだまだおぼろげな理解なので、Pythonのサンプルコードを動かしつつもう一度しっかり勉強しようと思います。この分野を数式なしに説明するのはそもそも無理があるので、適度に数式がありその説明がしっかりしていて、Pythonのサンプルコードが付属している本書は機械学習の入門書としてはとても良いと思われます。
投稿元:
レビューを見る
共通の例題を用いて、機械学習の様々な手法の差異を理解できるよう解説してくれている良書。機械学習利用の本質にまで踏み込んだ第1章は、これから機械学習を応用していこうという人は常に念頭に置いておくべき内容と思う。数学的議論も含めてきっちり積み上げて説明してくれるところは非常に好感が持てる。機械学習入門者に必読の書となるのではないだろうか?。
投稿元:
レビューを見る
機械学習の理論をごまかさずに数式で説明しきることがコンセプト(数式が分からなくても理論の内容は理解できる)。機械学習の基本的な考え方から、代表的なアルゴリズムまでコンパクトにまとまっています。サンプルコードを使って手を動かしながら学べる点もGood。
続きはこちら↓
https://flying-bookjunkie.blogspot.com/2018/12/it.html
Amazon↓
https://amzn.to/2zEiVZK
投稿元:
レビューを見る
[関連リンク]
「ITエンジニアのための機械学習理論入門」が発売されます。 - めもめも: http://enakai00.hatenablog.com/entry/2015/09/30/082901
投稿元:
レビューを見る
5,6年前の人工知能マイブームで購入した1冊。
この本はディープラーニング等は無く、機械学習の本。
この手の本は、プログラム例を載せて、「この通りにやってみろ」というものか、数式を並べて理論に偏ったものかの軸があると考える。その点に於いては、本書は比較的バランス良く、理論を学びつつPythonのサンプルコードが掲載されていたりする。
個人的な解釈としては、「機械学習とは、結局統計学である」と感じた。