やさしく学ぶ 機械学習を理解するための数学のきほん の商品レビュー

立石賢吾(著者)

2020/07/11

機械学習の仕組みを理解するにはちょうど良かった。最後にpythonのサンプルコードがあるのも、実際に試せるのでありがたい。

2019/09/19

機械学習のために必要な数学の知識を補間する用で購入した中の一冊
Chapter4までは基本数学だが、機械学習に必要な部分のみ抽出して書いてくれている
だが、詳細部分の言及は少ないと感じた
Chapter6に補足があるので、初学者は行き来しながら読み進めると良い
Chapter5はPytyonの実装がメイン
個人的にはもう少し数学にフォーカスしてくれても良かったと感じた
（自分が購入すべきではなかったのかもしれないが）

2019/07/08

自分の知識の無さを実感できた本でした。。
内容的には機械学習のベースとなる数学的な知識とそれをPythonで実行する時の話が書いてあり、話の構成的には分かりやすかったと思います。

2018/09/09

ディープラーニングの基礎となる数式を平たく教えてくれる。会話形式で話が進んでいくのと、主人公が数式が苦手である前提なので共感しつつ進めることができる。これによって機械学習ができるようになるわけではないが、難しい本を読み解く前に、この本を読んでおくと気持ちの準備ができるかもしれない。

2018/05/02

【工学部図書館リクエスト購入図書】☆信州大学附属図書館の所蔵はこちらです☆
https://www-lib.shinshu-u.ac.jp/opc/recordID/catalog.bib/BB24504418

2018/03/12

教師あり学習
　回帰（予測）
　データによりもっともフットする１次式を学習する。
　目的関数として最小２乗法を使った誤差関数を適用する。
　この目的関数を最小にするためパラメータを調整する
　方法が最急降下法（微分を使った更新を行っていく）
　１次式の場合解析解があるが非線形式で表現されると
　数値解しかない。

　１次式ではなく多項式（２次式、３次式、ｎ次式）による
　表現もある。
　単回帰式だけではなく重回帰式によるモデルもある。

　パラメータを調整する方法として最急降下法があるが
　短所として時間がかかる局所解に捕まると抜けられない
　などがある。これを解決する方法として確率的勾配降下法
　がある
教師あり学習
　分類
　直線または曲線により分類を学習する。
　一番簡単なのがパーセプトロン。識別関数にて
　分類を決めている。
　パーセプトロンでは線形分離のみ可能であり
　非線形分類には使えない。
　非線形問題も解ける方法としてこの本では
　ロジスティック回帰を使っている。活性化関数に
　ジグモイド関数を使用している。
　パラメータを調整して分類の必要な決定境界を決める
　必要があるが、その目的関数に尤度関数を使っている
作ったモデルを評価する
　交差検証
　精度
　適合率と再現率
　F値
　正規化による過学習の防止
　学習曲線