資料詳細

目次

1.パターン認識と統計的学習の概要

  1.1 パターン認識とは

  1.2 ベイズ識別規則と識別関数法

  1.3 統計的学習とパターン認識

  章末問題

2.特徴空間の構成と統計的性質

  2.1 特徴空間と統計量

  2.2 特徴空間の評価

  章末問題

3.線形識別の方法

  3.1 線形識別器とパーセプトロン

  3.2 フィッシャーの線形判別法

  3.3 誤差評価関数による線形識別器の獲得

  章末問題

4.ナイーブベイズ法

  4.1 ナイーブベイズ法の概要

  4.2 高次元かつスパースな問題に対する対応

  4.3 改良ナイーブベイズ法

  4.4 ナイーブベイズ法の解釈

  章末問題

5.線形部分空間による次元縮約

  5.1 主成分分析

  5.2 主成分分析と特異値分解

  章末問題

6.テンプレートマッチングとk最近傍識別法

  6.1 特徴パターンとの照合によるパターン判別

  6.2 k最近傍識別法

  6.3 メトリックラーニング

  章末問題

7.決定木

  7.1 分類木と回帰木

  7.2 分類木の学習法

  7.3 回帰木の学習法

  7.4 学習アルゴリズムの拡張

  章末問題

8.集団学習法

  8.1 バギング

  8.2 ブースティングとAdaBoost

  8.3 ランダムフォレスト

  8.4 ランダムフォレストによる特徴の重要度算出

  8.5 定理8.1の証明

  章末問題

9.非線形判別関数とニューラルネットワーク

  9.1 区分的線形識別関数

  9.2 階層型ニューラルネットワーク

  章末問題

10.カーネル法

  10.1 リッジ回帰

  10.2 特徴ベクトルとカーネル

  章末問題

11.サポートベクトルマシン

  11.1 サポートベクトルマシン

  11.2 カーネルを用いたサポートベクトルマシン

  11.3 ソフトマージンサポートベクトルマシン

  11.4 サポートベクトルマシンの効率的学習法

  章末問題

12.関連ベクトルマシン

  12.1 関連ベクトルマシンの概要

  12.2 RVMの効率的学習法

  12.3 RVMの予測法

  章末問題

13.二値判別器の組合せによる多値分類法

  13.1 基本的な方法

  13.2 ECOC法

  章末問題

14.学習モデルと統計的推定

  14.1 確率モデルとベイズ識別

  14.2 パラメトリックな手法と統計的推定

  章末問題

15.潜在クラスモデル

  15.1 混合正規モデル

  15.2 EMアルゴリズム

  15.3 潜在クラスモデルの例

  章末問題

16.統計的モデル選択とモデル平均化法

  16.1 多項式回帰モデルの例

  16.2 階層モデル族

  16.3 統計的モデル選択問題

  16.4 モデル選択基準

  16.5 一致性の議論

  16.6 モデル平均化法

  章末問題

付録

  A.1 ベクトル空間と関数の最適化

  A.2 ラグランジュの未定乗数法

  A.3 固有値と固有ベクトル

  A.4 多次元正規分布

ページの先頭へ