スパース推定100問with R(機械学習の数理100問シリーズ〈3〉) [全集叢書]
    • スパース推定100問with R(機械学習の数理100問シリーズ〈3〉) [全集叢書]

    • ¥3,30099ポイント(3%還元)
    • 在庫あり2020年12月1日火曜日までヨドバシエクストリームサービス便(無料)がお届け
スパース推定100問with R(機械学習の数理100問シリーズ〈3〉) [全集叢書]
画像にマウスを合わせると上部に表示
100000009003325274

スパース推定100問with R(機械学習の数理100問シリーズ〈3〉) [全集叢書]

価格:¥3,300(税込)
ポイント:99ポイント(3%還元)(¥99相当)
お届け日:在庫あり今すぐのご注文で、2020年12月1日火曜日までヨドバシエクストリームサービス便(無料)がお届けします。届け先変更]詳しくはこちら
出版社:共立出版
販売開始日: 2020/10/28
お取り扱い: のお取り扱い商品です。
ご確認事項:返品不可
店舗受け取りが可能です
NEWマルチメディアAkibaマルチメディア梅田マルチメディア博多にて24時間営業時間外でもお受け取りいただけるようになりました

スパース推定100問with R(機械学習の数理100問シリーズ〈3〉) の 商品概要

  • 目次

    第1章 線形回帰
    1.1 線形回帰
    1.2 劣微分
    1.3 Lasso
    1.4 Ridge
    1.5 LassoとRidgeを比較して
    1.6 elasticネット
    1.7 λの値の設定

     問題1~20

    第2章 一般化線形回帰
    2.1 線形回帰のLassoの一般化
    2.2 2値のロジスティック回帰
    2.3 多値のロジスティック回帰
    2.4 ポアッソン回帰
    2.5 生存時間解析
    付録 命題の証明

     問題21~34

    第3章 グループLasso
    3.1 グループ数が1の場合
    3.2 近接勾配法
    3.3 グループLasso
    3.4 スパースグループLasso
    3.5 オーバーラップグループLasso
    3.6 目的変数が複数個ある場合のグループLasso
    3.7 ロジスティック回帰におけるグループLasso
    3.8 一般化加法モデルにおけるグループLasso
    付録 命題の証明

     問題35~46

    第4章 Fused Lasso
    4.1 Fused Lassoの適用事例
    4.2 動的計画法によるFused Lassoの解法
    4.3 LARS
    4.4 Lassoの双対問題と一般化Lasso
    4.5 ADMM
    付録 命題の証明

     問題47~61

    第5章 グラフィカルモデル
    5.1 グラフィカルモデル
    5.2 グラフィカルLasso
    5.3 疑似尤度を用いたグラフィカルモデルの推定
    5.4 JointグラフィカルLasso
    付録 命題の証明

     問題62~74

    第6章 行列分解
    6.1 特異値分解
    6.2 Eckart-Youngの定理
    6.3 ノルム
    6.4 低階数近似のスパースの適用
    付録 命題の証明

     問題75~87

    第7章 多変量解析
    7.1 主成分分析(1):SCoTLASS
    7.2 主成分分析(2):SPCA
    7.3 K-meansクラスタリング
    7.4 凸クラスタリング
    付録 命題の証明

     問題88~100

    参考文献

    索引
  • 出版社からのコメント

    スパース推定の本質を掴む100問。理論を基にプログラム構築へと導かれていく。スパース推定を凸最適化問題として扱う点も新しい。
  • 内容紹介

     スパース推定は,サンプルに対して変数の方が圧倒的に多い場合の統計学である。たとえば,症例対照100名のサンプルがあって,1万の遺伝子の蛋白質生成量からどの遺伝子がその病気の原因になっているのかなどの問題解決に役立つ。また,機械学習の諸問題にも適用されている。
     スパース推定に関して,数学的に検討してアルゴリズムを導くことや,パッケージにデータを入れて動作を観察することは他書でもやっている。本書の特徴は,理論から実際にシンプルなプログラムを構築して動作を確認するなど,思考を止めないで,全体を検証している点にある。そうすることで,見えない本質が見えてくるばかりか,理論的に考えたことが正当化される。
     また,スパース推定を凸最適化問題として扱っている点が,本書の新しい視点である。つまり,統計学が運転手で,凸最適化がエンジンであることが強調されている。さらに,エッセンスが簡潔に書かれていること,self-containedであることも,本書のメリットである。
     本書は,2018年度前期に大阪大学で大学院生を対象に行われた講義で出された128問の演習問題および,同年11月に日本行動計量学会のセミナーで用いた60問の問題がベースになっていて,その後の阪大のセミナーなどで改良を重ねて得られた100問を提示している。
     なお,読者ページから著者に質問できるので,困ったときには著者からフィードバックを得られる。そして,本書のプログラムはすべてダウンロード可能で,解説動画も閲覧できる。
     本書を読むことで,データサイエンスや機械学習に関する知識が得られることはもちろんだが,脳裏に数学的ロジックを構築し,プログラムを構成して具体的に検証していくという,データサイエンス業界で活躍するための資質が得られる。「数理」「情報」「データ」といった人工知能時代を勝ち抜くために必須のスキルを身につけるための,うってつけの書籍である。
  • 著者紹介(「BOOK著者紹介情報」より)(本データはこの書籍が刊行された当時に掲載されていたものです)

    鈴木 讓(スズキ ジョウ)
    大阪大学教授、博士(工学)。1984年早稲田大学理工学部、1989年早稲田大学大学院博士課程修了、同大学理工学部助手、1992年青山学院大学理工学部助手、1994年大阪大学理学部に(専任)講師として着任。Stanford大学客員助教授(1995年~1997年)、Yale大学客員准教授(2001年~2002年)などを経て、現職(基礎工学研究科数理科学領域、基礎工学部情報科学科数理科学コース)。データ科学、機械学習、統計教育に興味をもつ。現在もトップ会議として知られるUncertainty in Artificial Intelligenceで、ベイジアンネットワークに関する研究発表をしている(1993年7月)

スパース推定100問with R(機械学習の数理100問シリーズ〈3〉) の商品スペック

商品仕様
出版社名:共立出版
著者名:鈴木 讓(著)
発行年月日:2020/10/30
ISBN-10:4320125088
ISBN-13:9784320125087
判型:B5
対象:専門
発行形態:全集叢書
内容:数学
言語:日本語
ページ数:226ページ
縦:26cm
他の共立出版の書籍を探す

    共立出版 スパース推定100問with R(機械学習の数理100問シリーズ〈3〉) [全集叢書] に関するレビューとQ&A

    商品に関するご意見やご感想、購入者への質問をお待ちしています!