改訂新版　Pythonでプログラミングして理解する機械学習アルゴリズム

本書は機械学習や深層学習の基礎となるアルゴリズムを「Pythonを用いて実装し理解する」ことに重きを置いています。改訂版ではPyTorchを採用し、生成AIの核心となるアルゴリズムを新たに追加しました。数式の意味から実践的なプログラム作成まで、理論と実装をバランスよく習得したい方に最適の一冊です。 【目次】 第1章 データに基づいた解析・機械学習とは 1.1 機械学習とは 1.2 機械学習の種類 1.3 機械学習の実装 第2章 データの標準化・主成分分析 2.1 標準化 2.2 データの関係性 2.3 Pythonによる計算、データの可視化 2.4 主成分分析 2.5 scikit-learnによる主成分分析 第3章 線形回帰 3.1 回帰とは 3.2 線形回帰(単回帰) 3.3 多項式回帰 3.4 Pythonによる実装 第4章 過剰適合 4.1 過剰適合と交差検証 4.2 正則化 第5章 最尤推定法 5.1 最尤推定法 5.2 MAP推定法 第6章 カーネル法 6.1 一般関数の線形和 6.2 ガウス関数による近似 6.3 カーネル関数 6.4 正則化 第7章 線形判別 7.1 分類問題 7.2 線形分離 7.3 Fisherの線形判別分析法 第8章 サポートベクターマシン 8.1 ハードマージン SVM 8.2 ソフトマージン SVM 8.3 scikit-learnによるSVMの実装 8.4 カーネルSVM 第9章 パーセプトロンとロジスティック回帰 9.1 パーセプトロン 9.2 ロジスティック回帰 第10章 多層ニューラルネットワーク 10.1 多層ニューラルネットワーク 10.2 誤差逆伝播法 10.3 多層ニューラルネットワークの実装 第11章 深層学習 11.1 勾配消失 11.2 ReLU関数 11.3 scikit-learnによる多層ニューラルネットワークの実装 第12章 畳み込みニューラルネットワーク 12.1 畳み込みニューラルネットワーク (CNN) 12.2 PyTorchによる多層ニューラルネットワークの実装 12.3 PyTorchによるCNNの実装 第13章 オートエンコーダ 13.1 オートエンコーダ 13.2 転置畳み込み 13.3 PyTorchによるオートエンコーダの実装 13.4 ノイズ除去オートエンコーダ 13.5 変分オートエンコーダ 第14章 敵対的生成ネットワーク 14.1 敵対的生成ネットワーク 14.2 Deep Convolutional GAN 14.3 GANの学習の難しさ 14.4 拡散モデル 付録A 各章の演習解答