ベイズ最適化　適応的実験計画の基礎と実践「増補改訂版」

本書はベイズ最適化の教科書ですが、特に種々の概念の理論的（数学的）な背景や導出の説明を重点的に行うように構成しました。一方、実践的な利用方法も同時に学べるように、ブラックボックス最適化ソフトウェアであるＯｐｔｕｎａを用いた実装方法も詳細に説明しています。改訂版では、この両軸をより強化することで、理論と実践を共に深められるような内容になっています。

本書ではベイズ最適化の理論・アルゴリズムを基礎から応用まで詳細に説明し、ブラックボックス最適化ソフトウェア「Optuna」の利用方法も紹介しています。増補改訂版では、Optunaのバージョンアップに合わせて第4章を全面的に修正・加筆。ベイズ最適化の実践・開発をサポートしています。また第5章では「リグレット解析」と呼ばれる理論を新たに取り上げました。ベイズ最適化を学ぶための基礎体力が身につけられるよう、理論と実践の両面を更に充実させています。

目次

第1章 機械学習による適応的実験計画とベイズ最適化
1.1 データ駆動型実験科学とベイズ最適化
1.2 ブラックボックス最適化とハイパーパラメータ最適化
1.3 ベイズ最適化

第2章 ブラックボックス関数のベイズモデリング
2.1 ベイズ線形回帰モデル
2.2 ガウス過程回帰モデル

第3章 ベイズ最適化のアルゴリズム
3.1 はじめに
3.2 改善確率量獲得関数
3.3 期待改善量獲得関数
3.4 信頼下限獲得関数
3.5 トンプソン抽出獲得関数
3.6 エントロピー探索獲得関数
3.7 エントロピー探索獲得関数.予測
3.8 ベイズ最適化の終了条件
3.9 出力の生成方法
3.10 ハイパーパラメータの取り扱い

第4章 Optuna によるベイズ最適化の実装方法
4.1 Optuna とは
4.2 Optuna の基礎的な使い方
4.3 Optuna におけるペイズ最適化
4.4 GPSampler の基礎的な使い方
4.5 GPSampler の発展的な使い方
4.6 Optuna の発展的な使い方
4.7 OptunaHub の利用

第5章 ベイズ最適化の理論
5.1 アルゴリズムの性能評価に対する二つのアプローチ
5.2 ベイズ最適化アルゴリズムの評価指標: リグレットの定義
5.3 リグレット性の証明のための準備
5.4 信頼上限アルゴリズムのリグレット解析

第6章 制約付きベイズ最適化
6.1 制約付き最適化とは
6.2 制約付き最適化の問題設定
6.3 制約を考慮した目的関数のモデリング
6.4 制約付き期待改善量
6.5 制約付き予測エントロピー探索

第7章 多目的ベイズ最適化
7.1 多目的最適化とは
7.2 多目的最適化の問題設定
7.3 多目的最適化における目的関数のモデリング
7.4 期待超体積改善量

ほか

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。