「はじめてのパターン認識」 読みました

パターン認識、機械学習の世界では(狭い世界ですが…)定番の入門書と位置付けられていて、様々なところで紹介、レビューがされている本です。もう何番煎じか分かりませんが、気にせず紹介します。

本の目次

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

感想

機械学習エンジニアの最低限

さすが定番の入門書だけあって、基本的で重要な部分を丁寧に解説しているな、という印象でした。この本の内容をしっかり理解しておくのが、機械学習エンジニアを名乗ったり、「機械学習勉強したことあります!」なんて言ったりするための最低条件ではないかと思います。

数学の準備ができてる人の入門書

たしかにこの本は素晴らしく親切ですが、それはあくまでパターン認識を勉強する数学的準備ができている人にとっては、という前提です。

ベクトルや行列の計算は当然出てきますし、偏微分とかも当たり前に使われます。「そりゃそうだろ」と思った方は、おそらく入門の準備ができているのでしょう。

そうでない方はもう少し準備が必要だと思いますが、一度挑戦してみて自分の弱点を探すのもいいかもしれません。かく言う私も読了できたのは三度目の挑戦で、一度目は3章、二度目は8章で撃沈しました。それが線形代数や統計を復習するきっかけになったので、威力偵察してみるのも結構おすすめです。

ディープラーニングは少しだけ

最近はディープラーニングがブームなので、急に業務でその辺の知識が必要になってこの本を手に取った方もいるかもしれません。そのような方には残念ですが、この本はお勧めできません。

ディープラーニングはパターン認識、機械学習の手法の中の一つに過ぎないため、この本ではその基礎的なところを7章で扱っているのみです。

ですので、ディープラーニングの理論を集中して学びたい方向けに関連書籍を下にまとめました。また、画像認識や時系列解析などで使用されているディープラーニングの手法について知りたいという方向けの本も同様に関連書籍で紹介します

関連書籍

1. 「深層学習」 岡谷貴之


機械学習の理論をわかりやすく説明している本。ただし、今回紹介した本と同じくらいの数学的準備は必要。同名の紫色の本もあるが、個人的にはこっちの方が分かりやすかった。

2. ゼロから作るDeep Learning 斎藤 康毅


ディープラーニングの基礎から、画像認識の分野で主に使われている畳みこみニューラルネットワークまでをPythonで記述していく、というコンセプトの本。数式はもちろん出てくるが、プログラムが付いているのでプログラマは理解しやすいかもしれない。

3. 詳解 ディープラーニング  巣籠 悠輔

こちらもディープラーニングの基礎から始まり、主に時系列データの解析に使用される再帰ニューラルネットワークまでを扱う。2の本とは異なり、こちらはTensorFlowとKerasというライブラリを使用して学習を行う。時系列データのディープラーニングは書籍が他にほとんど無いので、貴重な存在。

シェアする

  • このエントリーをはてなブックマークに追加

フォローする