パターン認識と機械学習　ベイズ理論による統計的予測　下

ベイズ理論に基づく統計的予測技術は、計算アルゴリズムの開発と計算機の性能向上により、近年、急速に進展してきた。本書は、このベイズ理論に基づいた統一的な視点から、機械学習とパターン認識の様々な理論や手法を解説した教科書である。この下巻では、上巻の基礎的な話題を発展させた様々な手法を扱う。まず、予測精度の高さで注目を集めたサポートベクトルマシンと、今や幅広い領域で使われているカーネル法を説明する。次に、高度な確率モデルを表現するベイジアンネットなどのグラフィカルモデルや、潜在変数を扱うEMアルゴリズムを紹介する。その後、ベイズ理論の適用範囲を広げた変分ベイズ法とMCMC法について触れ、次元削減や時系列の扱いといった話題を詳説する。最後に、複数のモデルを結合するブースティングなどの手法を説明する。

目次

第6章　カーネル法
6．1　双対表現
6．2　カーネル関数の構成
6．3　RBFネットワーク
6．4　ガウス過程
演習問題

第7章　疎な解を持つカーネルマシン
7．1　最大マージン分類器
7．2　関連ベクトルマシン
演習問題

第8章　グラフィカルモデル
8．1　ベイジアンネットワーク
8．2　条件付き独立性
8．3　マルコフ確率場
8．4　グラフィカルモデルにおける推論
演習問題

第9章　混合モデルとEM
9．1　K-meansクラスタリング
9．2　混合ガウス分布(Mixtures　of　Gaussians)
9．3　EMアルゴリズムのもう一つの解釈
9．4　一般のEMアルゴリズム
演習問題

第10章　近似推論法
10．1　変分推論
10．2　例：変分混合ガウス分布
10．3　変分線形回帰
10．4　指数型分布族
10．5　局所的変分推論法
10．6　変分ロジスティック回帰
10．7　EP法
演習問題

第11章　サンプリング法
11．1　基本的なサンプリングアルゴリズム
11．2　マルコフ連鎖モンテカルロ
11．3　ギブスサンプリング
11．4　スライスサンプリング
11．5　ハイブリッドモンテカルロアルゴリズム
11．6　分配関数の推定
演習問題
　
第12章　連続潜在変数
12．1　主成分分析
12．2　確率的主成分分析
12．3　カーネル主成分分析
12．4　非線形潜在変数モデル
演習問題

第13章　系列データ
13．1　マルコフモデル
13．2　隠れマルコフモデル
13．3　線形動的システム
演習問題

第14章　モデルの結合
14．1　ベイズモデル平均化
14．2　コミッティ
14．3　ブースティング
14．4　木構造モデル
14．5　条件付き混合モデル
演習問題

下巻のための参考文献
訳者あとがき
和文索引
英文索引

本の帯に関して

帯つきでの出荷はお約束しておりません。
商品ページに、帯のみに付与される特典物等の表記がある場合でも、確実に帯つきでの出荷はお約束しておりません。
また、帯は商品の一部ではなく「広告扱い」のため、帯の有無・破損による交換や返品は承っておりません。

版・表紙について

版・表紙（カバー）のご指定は承っておりません。ご注文いただくタイミングによっては、お届けする商品の版や表紙が商品ページ上のものとは異なる場合がございます。
また、初版にのみにお付けしている特典（初回特典、初回仕様特典）がある商品は、商品ページに特典の表記がされている場合でも、無くなり次第終了となります。