わかりやすいパターン認識(続) 教師なし学習入門

石井健一郎(著者), 上田修功(著者)

• 販売会社／発売会社: オーム社
• 発売年月日: 2014/08/27
• JAN: 9784274215308

商品レビュー

2023/06/20

EMアルゴリズム，隠れマルコフモデル，ノンパラメトリックベイズモデル，ディリクレ過程混合モデルあたりの解説が優れている。

2015/12/25

続わかりやすいパターン認識をようやく読了した。
１回通読しただけで理解したわけではない点が重要だw

自分一人ではやはり通読するのもなかなか厳しい内容だった。続パタ読書会のおかげと言わざるを得ない。

本書は過去にあった名著「わかりやすいパターン認識」の後継にあたる位置付けだが、10年ほどの年月を経て、その連続性には非常に懐疑的な構成だった。
なぜなら、本書は教師なし学習の入門書だったからだ。
まあ、前書で教師ありのパターン認識を網羅して、その次に教師なし学習を解説したのかもしれないが。

個人的には難解な部分が多かったが、マルコフモデルやノンパラメトリックモデル、各種確率過程に触れることができた点がよかった。
輪読会における資料やディスカッションにおけるshuyoさんの指摘や解説が僕のような初学者には非常に参考になった。圧倒的感謝である。

まあ、実際に教師なし学習を適用して何かするかといえば、
直近では思い当たる節がないのだが、レコメンデーションにおけるコールドスタート問題に対して、このノンパラメトリック的な解析結果は適応できそうだなという印象を持った。
（精度に関してはやってみないとあれ）

あとがきに実データを用いて試してほしいと記載があったが、残念ながら本書のサンプルコードはご家庭にないMATLABのため、機会があればRやPythonなどでシミュレーションしてみようかな。

■目次
第1章 ベイズ統計学
第2章 事前確率と事後確率
第3章 ベイズ決定則
第4章 パラメータ推定
第5章 教師付き学習と教師なし学習
第6章 EMアルゴリズム
第7章 マルコフモデル
第8章 隠れマルコフモデル
第9章 混合分布のパラメータ推定
第10章 クラスタリング
第11章 ノンパラメトリックベイズモデル
第12章 ディリクレ過程混合モデルによるクラスタリング
第13章 共クラスタリング
付録A 補足事項

2014/10/08

易しい教科書ではなく、優しい先生の書いた教科書である。
同じことを何度でも繰り返し書いてくれる。ずっと前の方の章に書いてあるものでも、もう一度書き直してくれる。式も一手一手進むし、常に判り易いサイコロやコインの話で説明が進む。
ただ６章だけは広範な数学技法を駆使しており、「教師なし学習」（独習）ですべてを追うことは困難ではないだろうか

さすがに後半になるとサイコロのたとえ話も、マルコフ性のあるしかし区別のつかない複数種類のサイコロを〜、と想像困難なものになってくる
最大の山場の、クラスタ数を予め決めないクラスタ化はやはり数学科学部レベル以上のバックグラウンドが要求される。講義に使ったとしても説明しきらなそう