機械学習

原著は中国の数多くの大学や高専で使われている機械学習の標準教科書にして、2016年の刊行以来2020年11月までの発行数が54万部を超えるベストセラー書籍。
　本書は大まかに基礎，具体的手法、先進的理論からなり、少ない数学的知識で読めて各章が短いという教科書的配慮がなされている。「スイカを切らずにその良し悪しを機械学習でどう判断するか？」が本書の骨子になっており、書影に描かれたスイカは本書のトレードマークとなっている。
　中国はいかにして機械学習の分野をリードするに至ったか、そのエッセンスを紐解く一冊。
【目次】
第1章　緒論
1.1 まえがき
1.2 基本用語
1.3 仮説空間
1.4 帰納バイアス
1.5 開発の過程
1.6 応用の状況
1.7 文献ノート
演習問題 / 参考文献 / 休憩コラム

第2章　モデルの選択と評価
2.1 経験誤差と過学習
2.2 評価方法
2.3 評価指標
2.4 比較検定
2.5 バイアスと分散
2.6 文献ノート
演習問題 / 参考文献 / 休憩コラム

第3章　線形モデル
3.1 基本形式
3.2 線形回帰
3.3 ロジスティック回帰
3.4 線形判別分析
3.5 多クラス分類学習
3.6 クラス不均衡問題
3.7 文献ノート
演習問題 / 参考文献 / 休憩コラム

第4章　決定木
4.1 処理の流れ
4.2 分割選択
4.3 枝刈り方法
4.4 連続値および欠損値
4.5 多変量決定木
4.6 文献ノート
演習問題 / 参考文献 / 休憩コラム

第5章　ニューラルネットワーク
5.1 ニューロンモデル
5.2 パーセプトロンと多層ネットワーク
5.3 誤差逆伝播法
5.4 大域的最小値と局所的最小値
5.5 その他の一般的なニューラルネットワーク
5.6 ディープラーニング
5.7 文献ノート
演習問題 / 参考文献 / 休憩コラム

第6章　サポートベクターマシン
6.1 マージンとサポートベクターマシン
6.2 双対問題
6.3 カーネル関数
6.4 ソフトマージンと正則化
6.5 サポートベクター回帰
6.6 カーネル法
6.7 文献ノート
演習問題 / 参考文献 / 休憩コラム

第7章　ベイズ分類器
7.1 ベイズ決定理論
7.2 最尤推定
7.3 単純ベイズ分類器
7.4 半単純ベイズ分類器
7.5 ベイジアンネットワーク
7.6 EM アルゴリズム
7.7 文献ノート
演習問題 / 参考文献 / 休憩コラム

第8章　アンサンブル学習
8.1 個別学習とアンサンブル学習
8.2 ブースティング
8.3 バギングとランダムフォレスト
8.4 結合法
8.5 多様性
8.6 文献ノート
演習問題 / 参考文献 / 休憩コラム

第9章　クラスタリング
9.1 クラスタリング問題
9.2 性能尺度
9.3 距離計算
9.4 プロトタイプクラスタリング
9.5 密度クラスタリング
9.6 階層的クラスタリング
9.7 文献ノート
演習問題 / 参考文献 / 休憩コラム

第10章　次元削減と距離学習
10.1 k 近傍法
10.2 低次元埋め込み
10.3 主成分分析
10.4 カーネル主成分分析
10.5 多様体学習
10.6 距離学習
10.7 文献ノート
演習問題 / 参考文献 / 休憩コラム

第11章　特徴選択とスパースモデリング
11.1 特徴サブセットの選択と評価
11.2 フィルター法
11.3 ラッパー法
11.4 埋め込み法とL1 正則化
11.5 スパース表現と辞書学習
11.6 圧縮センシング
11.7 文献ノート
演習問題 / 参考文献 / 休憩コラム

第12章　計算論的学習理論
12.1 基本知識
12.2