しくみがわかるベイズ統計と機械学習

ベイズ統計と機械学習の基礎理論を丁寧に解説。〔内容〕統計学と機械学習／確率入門／ベイズ推定入門／二項分布とその仲間たち／共役事前分布／EMアルゴリズム／変分ベイズ／マルコフ連鎖モンテカルロ法／変分オートエンコーダ 1.　統計学と機械学習#br#　1.1　統計学の目的#br#　1.2　機械学習の目的#br##br#2.　ベイズ統計と機械学習のための確率入門#br#　2.1　確率の基礎#br#　2.2　同時確率・周辺確率・条件付き確率#br#　2.3　確率変数の独立性#br#　2.4　連続変数の分布#br#　2.5　正規分布#br#　2.6　期待値#br#　2.7　規格化#br##br#3.　ベイズ推定入門#br#　3.1　観測値と推定量#br#　3.2　最尤推定#br#　3.3　ベイズ推定#br##br#4.　二項分布とその仲間たち#br#　4.1　二項分布#br#　4.2　多項分布#br##br#5.　共役事前分布#br#　5.1　ディリクレ分布#br#　5.2　ガンマ分布#br#　5.3　正規ーガンマ分布#br##br#6.　EMアルゴリズム#br#　6.1　混合モデル#br#　6.2　EMアルゴリズム#br#　6.3　グラフィカルモデル#br##br#7.　変分ベイズ#br#　7.1　変分法と変分ベイズ#br#　7.2　変分ベイズにおける変分下界#br#　7.3　変分ベイズによる推定#br##br#8.　マルコフ連鎖モンテカルロ法#br#　8.1　サンプリング#br#　8.2　マルコフ性とマルコフ連鎖#br#　8.3　メトロポリス・ヘイスティングス法#br#　8.4　ギブスサンプリング#br##br#9.　変分オートエンコーダ#br#　9.1　生成モデルと認識モデル#br#　9.2　VAEの学習#br#　9.3　条件付き変分オートエンコーダ