パターン認識と機械学習(上) の商品レビュー

C・M・ビショップ(著者),元田浩(著者)

2024/04/18

【機械工学科・機械情報工学科】ベストリーダー2024
第6位
東京大学にある本はこちら
https://opac.dl.itc.u-tokyo.ac.jp/opac/opac_details/?bibid=2003111192

2023/09/21

通称PRML本，機械学習分野の言わずと知れた名著である。理論に強化されている分他の機械学習の教科書よりは難しく感じるが，実用を目標とするなら8割程度の理解で十分だろう。

2021/05/01

長い間積ん読
必読書だがどれだけ理解できたか
本書はかなり前の本だがCNNについて記載があるのだな
きちんと学んでいる人にとっては古典だな深層学習は

一旦評価なし

2020/07/25

機械学習の理論を学ぶためには必須の一書。

しかし、線形代数・微積・統計に精通していて数式を見てすぐにイメージをつかめる人を除いてはこの本から勉強することはお勧めしない。
本書を読む前に大学教養程度の線形代数・微積・統計の基礎とパターン認識の流れは押さえていたほうがいい。

本書で学べることは主に二つ。
・Pythonのライブラリを使っているときに生じる疑問点が解決される
　-なぜ回帰分析に使う誤差関数は二乗和誤差？分類問題ではクロスエントロピー誤差？
　-なぜロジスティック回帰では事後確率がわかるのに、SVMではラベルしかわからない？
　-バイアスとバリアンスって何？
　-正則化項ってどこからでてきた？
・ベイズ的手法
　-予測分布(例えば回帰において、ある入力を与えた時の出力の確率密度分布がわかる)
　-ベイズモデル比較
　-エビデンス近似(最尤推定でハイパーパラメータを求められる)

2020/09/05

機械学習の理論の専門書．
全体的に数式が多く，２章のガウス変数に対するベイズの定理の行列計算が難しかった．
全体的にベイジアン中心に話が進む．確率分布に関する知識が必要．
わからなくても，読み込むうちになんとなく確率分布というアイデアに慣れていくので，読み進んでみると価値が出てくる．
わからなくても挑戦する価値がある本だと思う．
ニューラルネットワークの章もあるが，ディープラーニングやりたい人向けではないと思う．

2017/12/24

機械学習の基礎的な事項を扱った古典的書籍、いわゆるPRML。
一見すると非常に難しく、自力で理解するのは大変である。
私は研究室有志のPRML輪読会に参加し理解を深めることができた。

2016/01/01

AI・機械学習のバイブル本といわれている本. 数学・統計的な素養がなければ読みこなすのはやや難しいが, 並行して勉強しながらこの本の理解を深めていくという読み方でも読む価値のある貴重な本であると思う.

2013/08/26

第一章を読むと、えらく親切に解説してあるような印象を受けるが、後半に進につれて事前知識を問われる場面が多くなる。

全体的に抽象度の高い話が続くので、基礎がしっかりしていないと調べては読み、調べては読みの繰り返し。

機械学習を行うなら通読しておいて損はなさそうだが、分量が多いので目的が定まっているなら必要な章のみをピックアップして読むというのもありかと思う。

2013/07/23

日本各地で勉強会が開かれるパターン認識・機械学習の権威的書物。頻度ベースでやる流派と何でもベイズに落とし込む流派があるらしく、これはベイズに落とし込む流派の本だそうだ。本文は多種多様な確率分布で彩られているが、大学の理工系課程で普通に確率統計をやった程度では出会わないであろう分布関数が平気で出てくる。付録や、私家版副読書の「〜の学習」を読むなどして事前知識を付けないと、ボリュームのある本文を読んで何となく分かった気分になって終わってしまうかもしれない。

2013/03/17

難解であるため通読には時間を多めに見積もる方がいい　手を動かしたりまとめたり輪読したりするのがいいかも