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