関係データ学習

データ単体ではなくデータ間の関係に注目すると、データが「次」を予測してくれる。多重に次元が上がる解析を実際に行うために必要な知識を1冊におさめた。考え方を理解して、自分の分野で応用しよう。 【機械学習プロフェッショナルシリーズ】 本シリーズでは、発展著しい機械学習技術の数学的な基礎理論、実用的なアルゴリズム、それらの活用法を、全30巻にわたって刊行する。 ビッグデータ時代を牽引している若手・中堅の現役研究者が、入門的な内容から最先端の研究成果までをわかりやすく解説。 これからデータサイエンス分野で研究を始めようとしている大学生・大学院生、および、機械学習技術を基礎科学や産業に応用しようとしている研究者・技術者に向けた注目のシリーズである。 第6期として、以下の3点を刊行! 機械学習のための連続最適化　金森 敬文/鈴木 大慈/竹内 一郎/佐藤 一誠・著 関係データ学習　石黒 勝彦/林 浩平・著 オンライン予測　畑埜 晃平/瀧本 英二・著 第7期の刊行は2017年4月、第8期の刊行は2017年8月の予定。 【シリーズ編者】 杉山 将 理化学研究所 革新知能統合研究センター センター長／東京大学大学院新領域創成科学研究科 教授 第1章　導入：関係データ解析とは 第2章　対称関係データのクラスタリング技術：スペクトラルクラスタリング 第3章　非対称関係データのクラスタリング技術：確率的ブロックモデルと無限関係モデル 第4章　行列分解 第5章　高次関係データとテンソル 第6章　テンソル分解