機械学習 1/岡留剛

岡留剛
共立出版
ISBN：432012488X/9784320124882
発売日:2022年08月

---

【内容紹介】
本書は、古典機械学習ともよぶべき題材に的を絞り、考え方をできるだけ詳細に記述した教科書である。読者の便宜を考慮し、500頁にも及ぶ1冊を分冊化させ、1巻目では「入門的基礎/パラメトリックモデル」、2巻目では「ノンパラメトリックモデル/潜在モデル」、3巻目では「数学事項 機械学習のいしずえ/演習問題解答例」を掲載している。

本書では、機械学習全体の網羅や、深層学習を中心に据えた説明は意図していない。大量のデータが存在する対象、あるいはその近傍の対象に対しては、深層学習はきわめて高性能を発揮する。しかし、少数のデータしか得ることができない対象も多く、本書で紹介する古典的な機械学習の手法は、今後も随所で活躍するであろう。とりわけ、ベイズ的な考え方は、予測の損失最小を保証するという意味で重要である。多くの大学理工系の学部で、初年次あるいは2年次に学ぶ多変数の微積分や、固有値問題の基本をふくむ線形代数、それと確率と統計の基本事項は既知としているが、確率と統計や、対称行列に関する固有値問題などの数学的事項の要点は、第V部(第3巻)としてまとめた。

本書は多くの優れた書籍を参照して書かれ、とりわけ、C. M. ビショップ(著)、『パターン認識と機械学習』の影響は随所にみられる。数学的記法も同書に準拠した。また、構成は、K. P. Murphy、 “Probabilistic Machine Learning An Introduction”の影響をうけている。Murphyの本では深層学習を1つの部としているが、本書では深層学習の部はもうけず、ニューラルネットワークの基礎的事項をパラメトリックモデルの部(第1巻)へ、また、深層生成モデル(の1つであるVAE)を潜在モデルの部(第2巻)へおいた。ベイズ推論の重要性に鑑み、潜在モデルを第IV部としたことは本書の特徴の1つである。

各章には演習問題、巻末には解答例と丁寧な解説を掲載(解答例は第3巻に収録)。