内容説明
パターン認識を学ぶ入門書に最適。Ｒによる実行例も収録。
目次
第１章 はじめに
第２章 識別規則と学習法の概要
第３章 ベイズの識別規則
第４章 確率モデルと識別関数
第５章 ｋ最近傍法（ｋＮＮ法）
第６章 線形識別関数
第７章 パーセプトロン型学習規則
第８章 サポートベクトルマシン
第９章 部分空間法
第１０章 クラスタリング
第１１章 識別器の組み合わせによる性能強化
付録 ベクトルと行列による微分
著者等紹介
平井有三［ヒライユウゾウ］
１９７０年３月慶應義塾大学工学部電気工学科卒業。１９７５年３月慶應義塾大学大学院工学研究科電気工学専攻博士課程修了。４月富士通株式会社。１９７８年４月筑波大学助手（電子・情報工学系）。１９８１年４月筑波大学講師（電子・情報工学系）。１９８５年１０月筑波大学助教授（電子・情報工学系）。１９９２年７月筑波大学教授（電子・情報工学系）。２０１２年４月筑波大学名誉教授。工学博士（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）
※書籍に掲載されている著者及び編者、訳者、監修者、イラストレーターなどの紹介情報です。
1 ～ 1件／全1件
感想・レビュー
※以下の感想・レビューは、株式会社ブックウォーカーの提供する「読書メーター」によるものです。
Yuma Usui
17
パーセプトロンやSVM、ランダムフォレストなど様々なパターン認識を紹介する一冊。特徴抽出の数学的理論の勉強に良いと思う。筑波大学の講義資料が元になっており、読む前提として線形代数や微分、確率統計の知識が必須。この辺りの理解が曖昧だと読み進めるのが辛い（ツラかった…）。RやPythonで挙動を確認しつつ読むと理解が深まりそう。2018/12/25
P.N.平日友
13
はじめてとタイトルにあるけれど、初心者には少し難しいと感じた。ただこの手の分野の標準を知ることができ、読み進めてよかったと感じた。さて。内容について。教師ありから教師なしのジャンルへと進み、後半は特に抽象度が高く具体的にどのように応用、使われるのかが追えなかった...演習問題もあるので繰り返し読み返し、ものにしたいと思う。数式が多く用いられてるので文字で説明されるよりイメージしやすいと感じた。筆がうまいのか。ただ細かい導出はされてないことが多いので丁寧に追えないと苦しい。名著であることはひしひしと感じた。2020/07/21
ぶう
10
前々から読もう読もうと思っていた本書であるが、しっかりと読んだのは今回が初めて。業務で画像分類の精度を上げる必要があり、部分空間法についての記述がある本書がヒントになるのではと思い、改めて再読した次第。本書は「はじめての」というタイトルであるが、ど素人を想定している本ではないので、そこは注意が必要。数式の掲載も多く、ある程度の数学知識を前提とする。元々は筑波大学の学部生向けに書かれた本とのことなので、レベル的にはそれを参考にすると良いであろう。類書か少ないので本書の存在は大変ありがたい。2022/10/04
オザマチ
9
数式を省略していない本の中では、もっともわかりやすいかも。2013/08/01
T2T3
4
これ、いろんなところでお勧めされていますが、そんなにいい本ですか？ わかっている人が復習するのには使えるでしょうが、とてもじゃないけどはじめての人は歯が立たないのでは。難しいと感じたら素直に読むのを止めて、大人しく別の本を読むようにした方が有意義でしょう。 ＊機械学習分野に進む人は、この本くらいあっさり読めないとダメなんですかね？2017/06/28
