内容

目次

第1章　機械学習とアルゴリズム 1.1　機械学習とは 1.2　アルゴリズムとは 【第Ⅰ部　教師あり学習】 第2章　分類 2.1　まずはやってみよう 2.2　分類分析とは 2.3　1次元の場合 2.4　2次元の場合 2.5　サポートベクターマシン 2.6　線形分離可能性 2.7　その他の分類手法 第3章　回帰 3.1　回帰分析とは 3.2　単回帰 3.3　多項式回帰と過学習 3.4　ロジスティック回帰 第4章　検証 4.1　機械学習の性能 4.2　機械学習の性能を測る 4.3　機械学習の性能を試す 【第Ⅱ部　教師なし学習】 第5章　クラスタリング 5.1　クラスタリングとは 5.2　階層的クラスタリング（ボトムアップ型） 5.3　階層的クラスタリング（トップダウン型） 5.4　非階層的クラスタリング 第6章　次元削減 6.1　次元削減とは 6.2　主成分分析 6.3　自己符号化器 第7章　自然言語処理 7.1　自然言語処理とは 7.2　自然言語生成 7.3　形態素解析 7.4　かな漢字変換 【第Ⅲ部　強化学習】 第8章　強化学習 8.1　強化学習とは 8.2　動的計画法（DP法） 8.3　モンテカルロ法 8.4　時間的差分学習（TD法） 【第Ⅳ部　深層学習】 第9章　深層学習 9.1　深層学習とは 9.2　ニューラルネットワークとは 9.3　ニューラルネットワークの学習 9.4　勾配降下法 9.5　その他のニューラルネットワーク おわりに 参考文献 略　　解 索　　引