あらすじ
※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。
数学がニガテでも大丈夫！機械学習をやさしく学ぼう
「機械学習に興味があるけど、どの本を見ても数式が出てきて、分からない…」
本書は、そんな方にぴったりの本です。
機械学習を勉強中のプログラマ「アヤノ」と、友達の「ミオ」の会話を通じて、楽しく学んでいきます。
本書では、
・そもそも機械学習がどうして注目を集めているのか？
・機械学習でできることにはどんなことがあるのか？
・どんな時に、回帰や分類を使うと有効なのか？
といった基本的なところから始まり、
・回帰や分類の具体的な題材に対して、どのように解決方法を考えていくのかをステップバイステップで解説
・その解決方法を数式の形で表すとどうなるのかも、丁寧に説明
・実際にプログラムの形にした場合の例
まで、丁寧に、じっくりと説明していきます。
とくに、数式については、高校で習った数学を忘れている方でも分かるように、つまづきやすいところや理解しにくいところを重点的に解説します。
機械学習の数式に対するモヤモヤを、一掃したいエンジニアの方に最適な1冊です。
【各章の概要】
●Chapter1 ふたりの旅のはじまり
●Chapter2 回帰について学ぼう～広告費からクリック数を予測する●Chapter3 分類について学ぼう～画像サイズに基づいて分類する
●Chapter4 評価してみよう～作ったモデルを評価する
●Chapter5 実装してみよう～Pythonでプログラミングする
●Appendix 総和の記号・総積の記号／微分／編微分／合成関数／ベクトルと行列／幾何ベクトル／指数・対数／Python環境構築／Pythonの基本／NumPyの基本
感情タグBEST3
ちょっと注意が必要
やさしくとは言っているが、それは理系の人にとってという意味なのは注意。僕は理系の人間なので前提知識がある上で読めたが、文系の人だと表現が優しいので読めるとは思うが一方で簡潔に書かれているので少々つらいかもしれない。偏微分とかも知らないだろうし、、、。
Posted by ブクログ
教師あり学習
回帰（予測）
データによりもっともフットする１次式を学習する。
目的関数として最小２乗法を使った誤差関数を適用する。
この目的関数を最小にするためパラメータを調整する
方法が最急降下法（微分を使った更新を行っていく）
１次式の場合解析解があるが非線形式で表現されると
数値解しかない。
１次式ではなく多項式（２次式、３次式、ｎ次式）による
表現もある。
単回帰式だけではなく重回帰式によるモデルもある。
パラメータを調整する方法として最急降下法があるが
短所として時間がかかる局所解に捕まると抜けられない
などがある。これを解決する方法として確率的勾配降下法
がある
教師あり学習
分類
直線または曲線により分類を学習する。
一番簡単なのがパーセプトロン。識別関数にて
分類を決めている。
パーセプトロンでは線形分離のみ可能であり
非線形分類には使えない。
非線形問題も解ける方法としてこの本では
ロジスティック回帰を使っている。活性化関数に
ジグモイド関数を使用している。
パラメータを調整して分類の必要な決定境界を決める
必要があるが、その目的関数に尤度関数を使っている
作ったモデルを評価する
交差検証
精度
適合率と再現率
F値
正規化による過学習の防止
学習曲線
Posted by ブクログ
ディープラーニングの基礎となる数式を平たく教えてくれる。会話形式で話が進んでいくのと、主人公が数式が苦手である前提なので共感しつつ進めることができる。これによって機械学習ができるようになるわけではないが、難しい本を読み解く前に、この本を読んでおくと気持ちの準備ができるかもしれない。
