入門パターン認識と機械学習 | 静岡大学附属図書館 Opac/Mylibrary
『社会調査のための計量テキスト分析―内容分析の継承と発展を目指して』樋口耕一 著 本書は計量テキスト分析を行うための著者自作のソフトウェアKHコーダーの解説書です。 59. 『自然言語処理の基本と技術 (仕組みが見えるゼロからわかる)』奥野陽、グラム・ニュービッグ、萩原正人著 本書は、この未来に不可欠となるに違いない自然言語処理の、技術的、ビジネス的基礎知識をくまなくコンパクトに図解した一冊です。 60. 『入門 自然言語処理』オライリージャパン 本書では、NLPの理論的な基礎、理論、応用をバランスよく解説します。 61. 『前処理大全(データ分析のためのSQL/R/Python実践テクニック)』本橋智光著 本書はデータサイエンスに取り組む上で欠かせない「前処理スキル」の効率的な処理方法を網羅的に習得できる構成となっています。 62. 『機械学習のための「前処理」入門』足立悠著 本書では、構造化データ、画像データ、時系列データ、自然言語について、機械学習における前処理の手順を紹介します。 63. 『実証分析のための計量経済学』山本勲著 本書は推定結果を多数紹介しながら、理論や数式展開を極力省略して、直感的・実践的に解説し、多くの分析手法を取り上げ、入門から大学院レベルまで幅広くカバーします。 64. 『計量経済学 (y21) 』浅野皙、中村二朗著 より学習しやすいように、付録・演習問題を充実させ、問題の解答を収載します。 65. 入門パターン認識と機械学習. 『「ほとんど無害」な計量経済学―応用経済学のための実証分析ガイド』NTT出版 本書は労働経済学や教育の経済学で主流となった「実験学派」の計量分析の手法を理論と応用の面から解説し、回帰モデルのβ係数(の期待値)を推定するための手法に焦点を絞り、理論と応用をバランスよく紹介します。 66. 『ビッグデータ時代のマーケティング―ベイジアンモデリングの活用 (KS理工学専門書) 』佐藤忠彦、樋口知之著 本書はデータ駆動型のマーケティングが必要とされている基本的な考え方、必要な知識、応用事例、高度な活用へのヒントまで紹介します。 67. 『改訂4版 グロービスMBAマーケティング 』グロービス経営大学院著 本書はよく知られている商品やサービスの実例を通じて、ブランド戦略、価格戦略、ポジショニング、セグメンテーション、CRMをはじめ、基礎から応用まで体系的に学べます。 68.
パターン認識と機械学習の勉強ノート【イントロダクション】 | 理系リアルタイム
『統計学のための数学入門30講 (科学のことばとしての数学)』永田靖著 本書の内容は高校数学から初等の微分積分,線形代数学のレベルであり、わかりやすくなぜこの数式が統計学に役立つのかについて丁寧に解説しています。 7. 『これなら分かる最適化数学―基礎原理から計算手法まで』金谷健一著 本書は最適化手法の入門書として書かれたもので、経営学やORのみならず、統計的最適化や機械学習に関する話題も扱っています。また、各手法を紹介するだけでなく、その数学的背景の解説に力点を置いています。 8. 『統計のための行列代数(上・下)』D. A. ハーヴィル著 この本は、統計ユーザーが線形統計モデルや多変量解析での応用に必要とする線形代数の基礎を、具体的に行列を使って解き明かした入門書です。 9. 『統計学が最強の学問である』 10. パターン認識と機械学習の勉強ノート【イントロダクション】 | 理系リアルタイム. 『統計学が最強の学問である[実践編]---データ分析のための思想と方法』 11. 『統計学が最強の学問である[ビジネス編]――データを利益に変える知恵とデザイン 』 12. 『統計学が最強の学問である[数学編]――データ分析と機械学習のための新しい教科書』 この4冊は西内啓さんのシリーズ作品で、統計学がなぜ必要なのかをよく説明しています。この4冊を読んで、統計学の本当の魅力とパワフルさを知っているでしょう。 13. 『プログラミングのための確率統計』堀玄、平岡和幸著 この本は、数式による定理の証明とその説明という数学教科書の一般的なスタイルとは異なったかたちで確率統計を解説していいます。 14. 『統計学入門 (基礎統計学)』 15. 『自然科学の統計学 (基礎統計学)』 16. 『人文・社会科学の統計学 (基礎統計学) 』 この3冊は東京大学出版会の基礎統計学3部作で、基本的な内容を網羅的に扱って、さまざまな統計学的考え方を紹介し、その基礎をわかりやすく解説します。 17. 『データサイエンスのための統計学入門 ―予測、分類、統計モデリング、統計的機械学習とRプログラミング』Peter Bruce、Andrew Bruce著 本書はデータサイエンスに必要な統計学と機械学習の重要な50の基本概念と、関連する用語について、簡潔な説明と、それを裏付ける最低限の数式、クリアな可視化、実現するRコードを提示して、多方面からの理解を促します。 18. 『多変量データ解析法―心理・教育・社会系のための入門』足立浩平著 本書を読み終えた後、SPSSあるいはR等の統計ソフトを用いて実際のデータに触れることにより、さらに多変量解析への理解と興味が深まることでしょう。 19.
このスライドと出会ったのは論文に煮詰まっていた時のことです。 世はクリスマスイブとかいう聖夜のことでした。 64個からの変数選択と凶悪なマルチコ処理に追われて、何かを見失い、 ロジット・・・線形判別・・・あとなんだ、 SVM か・・・? そもそも 機械学習 ってなんだっけ?とか根本的な事を言い出した21時。 出会ったスライドがこれ。 Hayamizu momoko さんの slideshare です。 読み終わってちょっと泣いた。ほんとに。 やれることがどんどん増えたら、いいことばかりあるような気がしていて、 気づいたら何も捨てられなくなって、情報に溺れて、 白鳥とあひるの違いすら分からなくなって、 「そもそも白鳥とあひるって何が違うの?? ?」 的なことを言い出していたクリスマスの私は やっと目が覚めて、 Rをやり始めた時の気持ちを少し思い出して ちょっと泣いて、 速攻で帰って、速攻で寝た。 がむしゃらに突き進んでたらいつか幸せの青い鳥が見つかって そうしたら自分の選択を自分で認めてあげられるかもしれないみたいな そんなスタバのなんちゃらフラペチーノみたいな甘い妄想を 私は当時のモデルにぶちこんでいて。 でも自分の選択した道が正しいかどうかなんて 「結局主観的確率じゃない?」 って言われたら 「ですよね」 ってならざるをえないわけです そもそも自らの生きざまモデル製作に賭けるみたいな そんな身の削り方はどうなのよ! あほか!!! と今なら笑い話にもなります。が、そのぐらい当時の私には のっぴきならない事態でした。 セイキブンプ?なんのこと? だった4年前にもせんせいはおっしゃっていたじゃないか、 「真のモデルは求められないから迂回して近似させて 推定するんだよ」 って。 今でも人生とは、、はて? ってなった時はこのスライドを読みます。 んでもって 私がデータ解析やらRやら統計やらを趣味として細々続けているのは 社会貢献が!とか 技術的革新が!とか データの持つ無限の可能性が!とか そんな高尚なことではちっともなくって 「本当のことなんて誰にもわかんねぇよって思えるから 少し気が楽になる」 とかいうあまりにも唯我独尊な目的によるものです。