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
パターン認識にはじめて触れる読者に向け,基礎からわかりやすく解説した入門書です.パターン認識の概念がよく理解できるとともに,Rによる実行例など,実際に応用する際にも役立つ内容が盛り込まれています.
・2023年版データ分析の100冊[2023-08-26に投稿]
・【k-近傍法】scikit.learnのBallTreeを使ってみた![2022-06-10に投稿]
・受託分析会社に中途入社してから約1年半の雑多な記録[2021-12-17に投稿]
・ど素人初学者データサイエンティストロードマップまとめのまとめ[2021-02-07に投稿]
・ベイズの識別規則[2020-08-03に投稿]
・高校数学ではじめる機械学習[2020-06-03に投稿]
・MLの予測がはずれる要因は? ~要因調査を決定木で~[2020-03-30に投稿]
・エンジニアのインターンが技術書を30冊くらい読んでみたので、ゆるくまとめてみた[2020-03-18に投稿]
・【書籍まとめ】データサイエンス初心者が1年間で読んだ本[2019-08-21に投稿]
・機械学習を始めたい人のための入門書[2019-08-15に投稿]
・Rを使用した部分空間法の実行例[2019-07-04に投稿]
・30歳を過ぎて機械学習エンジニアに転身して半年になったのでこれまでやってきた勉強についてまとめる[2019-06-01に投稿]
・データ分析未経験SEがデータサイエンティストを目指す No.0 [想定ロードマップの概要][2019-05-28に投稿]
・PythonでやるML Cycle5: SVM(1)-制約なし最適化問題とその解き方[2019-01-14に投稿]
・機械学習に興味を持った素人がこれまで読んできた本[2018-12-29に投稿]
・PythonでやるML Cycle4: k-means法でAIを作る[2018-12-15に投稿]
・初心者から data scientist・AI engineer になるための勉強法&おすすめサイト・本を一つの記事にまとめたかった[2018-12-11に投稿]
・パターン認識 ~各識別手法の長所・短所~[2018-07-23に投稿]
・goでパーセプトロンの収束定理による重み学習[2018-07-17に投稿]
・ディープラーニングに入門するためのリソース集と学習法(2018年版)[2018-03-05に投稿]
・【随時更新】マシンラーニングエンジニアが機械学習、統計学のおすすめ本を紹介する[2017-07-06に投稿]
・データサイエンティスト協会のスキルチェックリスト「データサイエンス力」を学ぶにはどんな本を読んだらよいか[2017-06-11に投稿]
・【データ分析の必読10冊+差をつける10冊+100冊超】データサイエンス、データ分析、機械学習関連の本[2016-08-23に投稿]
・自己符号化器と主成分分析による次元圧縮[2016-08-11に投稿]
・pythonで混合正規分布実装[2016-08-01に投稿]
・Azure Machine Learningをわかった気になるために細かいことは気にせずに機械学習のことをまとめてみる - ディープラーニングの手前まで[2016-05-30に投稿]