杉山将の作品一覧

作者をフォローする

フォローするとこの作者の新刊が配信された際に、お知らせします。

• 

  機械学習スタートアップシリーズ　ベイズ推論による機械学習入門

  須山敦志 / 杉山将

  まだ数時間ざっと目を通しただけやけど、感動した。
  
  感動ポイント①
  ベイズ学習の利点が理解できる。利点は以下の通り。
  ・一貫性を持って問題を解ける
  いわゆるscikit-learnのライブラリを使用した"機械学習"では一つ一つモデルの特性を個別に理解する必要があるし、解きたい問題に直接適用できるもの...続きを読むが見つからない可能性がある。しかしベイズ学習ではモデル構築と推論の2stepだけが必要であり、問題に応じて確率モデルを構築することでPCA、欠損値処理、異常検知などあらゆる問題を一貫性を持って解ける。
  ・過学習が起こらない
  最尤推定的なアプローチでは点推定を行うので過剰適合することがある。しかし事前分布を利用するベイズ推論では不確実性を定量的に見積もることができる。ちなみに最尤推定やMAP推定(＝事後確率を最大化させるパラメータを点推定＝正則化後を考慮した最尤推定)はベイズ推論の特別な場合ともみなせる。
  ・データをフルに使える
  最尤推定的なアプローチではハイパーパラメータチューニングにcross validationが必要となり、訓練データの一部を捨ててしまうことになるが、ベイズ学習では検証データを用意しなくてもモデルエビデンスを計算すればモデル比較ができる。
  感動ポイント②
  ベイズ学習に必要十分な知識が書かれているので、初心者にとって情報過多気味に感じられるPRMLに埋もれていた実用上必要なことがピンポイントでわかる。
  モデル構築に必要な確率密度分布のまとめ、グラフィカルモデル、推論で必要な変分ベイズ、マルコフ連鎖モンテカルロ法の使い方がわかりやすく解説されている。
  さらに具体例としてガウス混合モデル、確率主成分分析(それを利用した欠損値の補間も)、隠れマルコフモデルものっているのでイメージが付きやすい。

  Posted by ブクログ
• 

  イラストで学ぶ　機械学習　最小二乗法による識別モデル学習を中心に

  杉山将

  広大な機械学習の海を最小二乗法を武器に渡って行ける本。特に最初にある各章の関係を図解したイラストが見通しが良くてよかった。実例はMATLABを使っているところが渋いところ。MATLABに慣れている人なら掲載されているコードをすぐに試せるところも良いと思う。
  
  
  

  Posted by ブクログ
• 

  機械学習のための確率と統計

  杉山将

  タイトルは機械学習〜と書いてあるが、一旦それは無視して確率統計の本と思って読むのが良いです。いわゆる振り返りつつ知識を確かにするハンドブック的な書籍で、難しい数学も使ってない要領よくまとまっています。確率統計を学びたい初学者にオススメです。

  Posted by ブクログ
• 

  異常検知と変化検知

  井手剛 / 杉山将

  異常検知の種類と基本的なアプローチ方法について学べた。
  異常検知はデータ解析の中でも難しい部類として扱われることも多く、基礎知識が十分にないと理解できない印象。
  
  後半の章は専門に勉強しないと、ちゃんとした理解はきつそうだった。

  Posted by ブクログ
• 

  異常検知と変化検知

  井手剛 / 杉山将

  『入門 機械学習による異常検知―Rによる実践ガイド』の次という位置づけとのことだが、正直私には難しく
  機械学習プロフェッショナルシリーズでも他書はグラフや事例をもう少し入れていると思う
  数式だけでイメージ出来る人向け

  Posted by ブクログ

杉山将のレビューをもっと見る