機械学習アルゴリズム

本書では，機械学習の分野を広く扱い，それらの最も基礎となる部分を説明しながら，数学やプログラミングを極力使わずして機械学習の世界全体へ初学者を連れ回すことを目的としている。扱う項目は，どれもがそれ一つで1冊の本になるくらい奥の深いものばかりである。興味を持った項目について読者自身が次のステップとして理解を深めていけるよう，本書にはロードマップ／カタログ的な側面も持たせている。本書最大の特徴は，機械学習の設計図ともいえる「アルゴリズム」に着目する点にある。機械学習の「使い方」を扱った本は数多く出版されているが，機械学習の「作り方」を扱ったものはわずかである。既存のライブラリ等を使用すれば誰でも簡単に機械学習を実践できる一方で，ライブラリの中で実際にどのような計算が行われているかを理解している人は少ない。本書で機械学習のアルゴリズムを身につけることにより，既存のライブラリを使用した受身の機械学習を脱却し，さらに高度な機械学習の技術を習得できる。機械学習を実装・使用する際に，本書は大きな助けとなるだろう。 第1章　機械学習とアルゴリズム 1.1　機械学習とは 1.2　アルゴリズムとは 【第I部　教師あり学習】 第2章　分類 2.1　まずはやってみよう 2.2　分類分析とは 2.3　1次元の場合 2.4　2次元の場合 2.5　サポートベクターマシン 2.6　線形分離可能性 2.7　その他の分類手法 第3章　回帰 3.1　回帰分析とは 3.2　単回帰 3.3　多項式回帰と過学習 3.4　ロジスティック回帰 第4章　検証 4.1　機械学習の性能 4.2　機械学習の性能を測る 4.3　機械学習の性能を試す 【第II部　教師なし学習】 第5章　クラスタリング 5.1　クラスタリングとは 5.2　階層的クラスタリング（ボトムアップ型） 5.3　階層的クラスタリング（トップダウン型） 5.4　非階層的クラスタリング 第6章　次元削減 6.1　次元削減とは 6.2　主成分分析 6.3　自己符号化器 第7章　自然言語処理 7.1　自然言語処理とは 7.2　自然言語生成 7.3　形態素解析 7.4　かな漢字変換 【第III部　強化学習】 第8章　強化学習 8.1　強化学習とは 8.2　動的計画法（DP法） 8.3　モンテカルロ法 8.4　時間的差分学習（TD法） 【第IV部　深層学習】 第9章　深層学習 9.1　深層学習とは 9.2　ニューラルネットワークとは 9.3　ニューラルネットワークの学習 9.4　勾配降下法 9.5　その他のニューラルネットワーク おわりに 参考文献 略　　解 索　　引