機械学習がわかる統計学入門

機械学習は現代のAI（人工知能）になくてはならない技術です。一方で、機械学習の理解には統計学の知識が必要不可欠です。本書はその機械学習の理解に必要な統計学の知識をわかりやすく解説した入門書です。図を多用し、具体例を重視した内容になっています。また、Excelを使って解説するので、大学レベルの難しい数学の知識のない入門者でも、視覚的にそのしくみを学ぶことができます。機械学習を目的とした統計学の手法「教師あり学習」や「教師なし学習」を理解したい人に最適な入門書です。 ■1章　統計学と機械学習 ◆1　統計学と機械学習の関係 ◆2　機械学習と統計学が対象とするデータの違い ◆3　教師あり学習と教師なし学習 ■2章　データサイエンスの基本 ◆1　データについての言葉 ◆2　クロス集計とクロス集計表 ◆3　平均値と分散 ◆4　相関図と共分散、相関係数 ◆5　相関比 ◆6　確率変数と確率分布 ■3章　「教師あり」機械学習と統計学 ◆1　線形の単回帰分析 ◆2　線形の重回帰分析 ◆3　非線形の回帰分析と対数線形モデル ◆4　ロジスティック回帰分析 ◆5　線形判別分析 ◆6　マハラノビスの距離を用いた判別分析 ◆7　数量化I類 ◆8　数量化II類 ◆9　ナイーブベイズ分類 ◆10　決定木とランダムフォレスト ■4章　「教師なし」機械学習と統計学 ◆1　階層的クラスタリング ◆2　非階層的クラスタリングとk-means法 ◆3　主成分分析 ◆4　数量化3類とコレスポンデンス分析 ■付録 ◆A　ソルバーの使い方 ◆B　データサイエンスのための行列の基礎知識 ◆C　データサイエンスのための固有値問題 ◆D　データサイエンスのための微分の基礎知識 ◆E　極値条件とラグランジュの未定係数法 ◆F　重回帰方程式の導出法 ◆G　相関比における変動の関係 ◆H　線形判別分析の数学的解法 ◆I　主成分分析の数学的な取り扱い ◆J　確率の基本とベイズの定理