機械学習・統計処理のための数学入門　基本演算からＲプログラミングまで

数学の素養があるだけではデータサイエンスのプロとは言えません。なぜなら、実際の数理モデル開発やデータ分析では、組み合わせ方やプログラミングの知識が必要になるためです。また、データ分析では、数値微分・数値積分の知識がプログラミングで計算する際には非常に役立ちます。そこで本書では、数値計算やパラメータ計算法などを説明したあとに、応用編として現場で利用されるデータ分析方法を取り上げます。具体的には「対数尤度（ゆうど）の最大化法と重回帰」「一般化線形モデル」「多クラス回帰モデル」「Ｂｒａｄｌｙ－Ｔｅｒｒｙ　ｍｏｄｅｌ」「二元表の解析モデル」「生存時間解析（ワイブル分布）」で、Ｒによる数値計算のプログラムも併記しています。本書を活用していただくと、例えば機械学習モデルのパラメータを導く際に必要な二階偏微分を要素とする行列（ヘッセ行列など）の計算が非常にラクになり、データサイエンスにおけるプログラミングで数値微分・数値積分や数値計算そのものの重要さを再確認できるでしょう。

数学の素養があるだけではデータサイエンスのプロとは言えません。なぜなら、実際の数理モデル開発やデータ分析では、組み合わせ方やプログラミングの知識が必要になるためです。また、データ分析では、数値微分・数値積分の知識がプログラミングで計算する際には非常に役立ちます。そこで本書では、数値計算やパラメータ計算法などを説明したあとに、応用編として現場で利用されるデータ分析方法を取り上げます。具体的には「対数尤度（ゆうど）の最大化法と重回帰」「一般化線形モデル」「多クラス回帰モデル」「Bradley-Terry model」「2元表の解析モデル」「生存時間解析（ワイブル分布）」で、Rによる数値計算のプログラムも併記しています。本書を活用していただくと、例えば機械学習モデルのパラメータを導く際に必要な二階偏微分を要素とする行列（ヘッセ行列など）の計算が非常にラクになり、データサイエンスにおけるプログラミングで数値微分・数値積分や数値計算そのものの重要さを再確認できるでしょう。
なお、本書は、大学の初等数学程度の知識を前提としています。

※お届け日が変更になりました
2月25日→3月4日

目次

第１章　Ｒプログラミング環境の準備
第２章　数値計算
第３章　ニュートン法・反復法
第４章　重回帰分析
第５章　一般化線形モデル
第６章　多クラスロジスティック
第７章　Ｂｒａｄｌｅｙ‐Ｔｅｒｒｙ　ｍｏｄｅｌ
第８章　主成分分析
第９章　２元表の解析モデル
第１０章　比例危険度モデル（ワイブル分布）

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。