書誌種別 |
図書 |
タイトル |
入門パターン認識と機械学習 |
タイトルヨミ |
ニュウモン パターン ニンシキ ト キカイ ガクシュウ |
人名 |
後藤 正幸/共著
小林 学/共著
|
人名ヨミ |
ゴトウ マサユキ コバヤシ マナブ |
出版者・発行者 |
コロナ社
|
出版者・発行者等ヨミ |
コロナシャ |
出版地・発行地 |
東京 |
出版・発行年月 |
2014.4 |
ページ数または枚数・巻数 |
8,245p |
大きさ |
21cm |
価格 |
¥3200 |
ISBN |
978-4-339-02479-1 |
ISBN |
4-339-02479-1 |
注記 |
文献:p238〜241 |
分類記号 |
007.13
|
件名 |
パターン認識
|
内容紹介 |
初学者が一通りのパターン認識と統計的学習の基礎を学ぶことができるように、基本的な内容に絞って解説した、パターン認識と機械学習のテキスト。C言語によるプログラムをウェブページで見られるユーザIDとパスワード付き。 |
著者紹介 |
博士(工学)。早稲田大学教授。 |
言語区分 |
JPN |
タイトルコード |
1009811779678 |
目次 |
1.パターン認識と統計的学習の概要 |
|
1.1 パターン認識とは/1.2 ベイズ識別規則と識別関数法/1.3 統計的学習とパターン認識/章末問題 |
|
2.特徴空間の構成と統計的性質 |
|
2.1 特徴空間と統計量/2.2 特徴空間の評価/章末問題 |
|
3.線形識別の方法 |
|
3.1 線形識別器とパーセプトロン/3.2 フィッシャーの線形判別法/3.3 誤差評価関数による線形識別器の獲得/章末問題 |
|
4.ナイーブベイズ法 |
|
4.1 ナイーブベイズ法の概要/4.2 高次元かつスパースな問題に対する対応/4.3 改良ナイーブベイズ法/4.4 ナイーブベイズ法の解釈/章末問題 |
|
5.線形部分空間による次元縮約 |
|
5.1 主成分分析/5.2 主成分分析と特異値分解/章末問題 |
|
6.テンプレートマッチングとk最近傍識別法 |
|
6.1 特徴パターンとの照合によるパターン判別/6.2 k最近傍識別法/6.3 メトリックラーニング/章末問題 |
|
7.決定木 |
|
7.1 分類木と回帰木/7.2 分類木の学習法/7.3 回帰木の学習法/7.4 学習アルゴリズムの拡張/章末問題 |
|
8.集団学習法 |
|
8.1 バギング/8.2 ブースティングとAdaBoost/8.3 ランダムフォレスト/8.4 ランダムフォレストによる特徴の重要度算出/8.5 定理8.1の証明/章末問題 |
|
9.非線形判別関数とニューラルネットワーク |
|
9.1 区分的線形識別関数/9.2 階層型ニューラルネットワーク/章末問題 |
|
10.カーネル法 |
|
10.1 リッジ回帰/10.2 特徴ベクトルとカーネル/章末問題 |
|
11.サポートベクトルマシン |
|
11.1 サポートベクトルマシン/11.2 カーネルを用いたサポートベクトルマシン/11.3 ソフトマージンサポートベクトルマシン/11.4 サポートベクトルマシンの効率的学習法/章末問題 |
|
12.関連ベクトルマシン |
|
12.1 関連ベクトルマシンの概要/12.2 RVMの効率的学習法/12.3 RVMの予測法/章末問題 |
|
13.二値判別器の組合せによる多値分類法 |
|
13.1 基本的な方法/13.2 ECOC法/章末問題 |
|
14.学習モデルと統計的推定 |
|
14.1 確率モデルとベイズ識別/14.2 パラメトリックな手法と統計的推定/章末問題 |
|
15.潜在クラスモデル |
|
15.1 混合正規モデル/15.2 EMアルゴリズム/15.3 潜在クラスモデルの例/章末問題 |
|
16.統計的モデル選択とモデル平均化法 |
|
16.1 多項式回帰モデルの例/16.2 階層モデル族/16.3 統計的モデル選択問題/16.4 モデル選択基準/16.5 一致性の議論/16.6 モデル平均化法/章末問題 |
|
付録 |
|
A.1 ベクトル空間と関数の最適化/A.2 ラグランジュの未定乗数法/A.3 固有値と固有ベクトル/A.4 多次元正規分布 |