感情タグBEST3
Posted by ブクログ
Pythonのコードなども書かれており、機械学習の「アルゴリズム」を「数理的に理解する」ことの助けになるようになっています。タイトルはITエンジニアのための〜とあるが、エンジニアだけでなく、ただただscikit-learnのAPIを叩いてるが、その機械学習のアルゴリズムがどういう理論組み立てられているのかを知りたい人にオススメの一冊です。
Posted by ブクログ
共通の例題を用いて、機械学習の様々な手法の差異を理解できるよう解説してくれている良書。機械学習利用の本質にまで踏み込んだ第1章は、これから機械学習を応用していこうという人は常に念頭に置いておくべき内容と思う。数学的議論も含めてきっちり積み上げて説明してくれるところは非常に好感が持てる。機械学習入門者に必読の書となるのではないだろうか?。
Posted by ブクログ
最初の最小二乗法で久しく接していない世界に浸り結構苦しみましたが、ここがある程度理解できると、最尤推定法、パーセプトロン、ロジスティック回帰、k平均法、EMアルゴリズム、ペイズ推定法と読み進むことができた。まだまだおぼろげな理解なので、Pythonのサンプルコードを動かしつつもう一度しっかり勉強しようと思います。この分野を数式なしに説明するのはそもそも無理があるので、適度に数式がありその説明がしっかりしていて、Pythonのサンプルコードが付属している本書は機械学習の入門書としてはとても良いと思われます。
Posted by ブクログ
教師あり学習(回帰、分類)と教師なし学習(クラスタリング)の概要をつかめる。学習モデルの評価法(クロスバリデーション、ROC曲線)などにも言及あり。広く浅く機械学習を知るには良い。
しかし、作為的な説明方法が少し気になる。(正規分布に属する前提など)
Posted by ブクログ
ディープラーニングを始めるにあたり読んだが、全く的ハズレだった。もちろん自分の勘違いで。いわゆるディープラーニング以前の機械学習の理論について書いてある。勿論半分くらい理解できない。ディープラーニングだけやりたい人は読まなくていいかも。でもその後他の手法にも手を出したので、自分としては読んでおいて損は無かった。
Posted by ブクログ
ロジスティック回帰やベイズ推定などをわかりやすく解説していると思います。多少数学を追う必要はありますが、言語処理のための機会学習入門とかを読んでいれば追えると思われます。