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。
機械学習が話題に上ることも増えてきましたが,実際には手っ取り早くできるものではなく,ライブラリを使うだけではやりたいことをうまく実現できません。もとになる考えかたや基礎的なモデルを知っていなければ,パラメータの意味がわからなかったり,目の前の問題に対してまったく向いていないモデルを使ってしまうからです。こういった状況に対し本書では,機械学習の理論を知ることで,機械学習を実際に活用していくための基礎をきっちりと固めることを目的とします。
感情タグBEST3
Posted by ブクログ
数式の説明や問題設定が非常に丁寧で、和の記号Σや積分記号にある程度親しみのある読者であれば、共感しながら読み進めることができる。
一方で、本書の範囲となっている領域は機械学習の中でも古典的な領域になっており、機械学習が一般的になった現代において、本書の知識のみで応用に繋げることは難しいだろうと感じる。
序盤では確率の考え方について多くの分量を割いており、その後ベイズ統計に繋がっていく。同時に、基底関数と線形回帰に触れ、ベイズ推定の考え方を学ぶ。本書のほとんどの部分では解析的に解ける問題を扱うが、終盤では確率的勾配法などに少し触れている。
本書のみでは、機械学習に使われている数式の「わけがわかる」状態にはならない。機械学習の基礎となる数式に親しみたい場合や、最尤法のような根幹のアイデアの理解を深めるのには役に立つ。
Posted by ブクログ
学生時代に、無味乾燥に定理を証明していた線形代数と微積が機械学習の下でキレイに繋がった気がする。
アルゴリズムについての話にも言えることだが、才能のない一般人には、この本のように理論や定理の実践的意味やイメージを解説してくれる本が副読本として広まってくれると大変助かる。
使われている数式は大学教養レベルのものなので苦労せずに読めるが、筆者が読みやすさを重視しているためか所々自分で論理を埋める必要がある。それはおいてもとてもわかりやすい。
機械学習の分野は奥が深いので、まだまだ初歩のレベルだが、当分野のストーリーを追うには最適の入門書である。