機械学習アルゴリズム入門 -類似性の科学ー(キカイガクシュウアルゴリズムニュウモン ルイジセイノカガク)

本書は、機械学習を単なる「ツールボックス」としてではなく、「一定の数理的理解をもちながら利用したい」という読者のための書です。

「文章から著者を当てる」簡単な人工知能を作りながら、
・機械学習の「アルゴリズム」の仕組み。
・どうすれば人工知能の予測性能を高めるには。
・「サポートベクターマシン」や「カーネル関数」とは何か。
といった、機械学習の「基本的な考え方」や、「基礎的な概念」「知識」を解説。

機械学習や人工知能の仕組みを深く理解し、活用する力を養います。
■「機械学習」と「データ」の類似度
「機械学習」と「人工知能」
「機械学習」でできること
「学習アルゴリズム」の仕組み
「データの類似度」と機械学習
類似度関数
多様なデータ形式の類似度関数

■「距離関数」による「機械学習」
著者当てゲーム
機械学習における「探索」のサイクル
特徴設計
データ加工 (第 1 ラウンド)
類似度関数の設計 (第 1 ラウンド)
「学習アルゴリズム」の選択 (第 1 ラウンド)
「ハイパーパラメータ」の最適化 (第 1 ラウンド)
モデルの評価 (第 1 ラウンド)
データの加工 (第 2 ラウンド)
学習アルゴリズムの選択 (第 2 ラウンド)
パラメータの最適化とモデルの評価 (第 2 ラウンド)
データの加工と類似度関数の設計 (第 3 ラウンド)
学習アルゴリズムの選択 (第 3 ラウンド)
ハイパーパラメータの最適化とモデルの評価 (第 3 ラウンド)

■情報量に基づく類似度関数
確率の基礎
情報量
バラつきの指標としての情報量
確率分布の比較
「ジェンセンーシャノン情報量」による「著者当てゲーム」

■「カーネル関数」による類似度評価
カーネル関数
カーネルマシン
サポートベクターマシンによる「著者当てゲーム」

機械学習のアルゴリズムは数多くありますが、その根底にある共通の発想は「似ているものを同じように扱う」という一点に集約されます。本書はこの「類似性」を軸にして、 k 近傍法、クラスタリング、次元削減といった代表的な手法を、数学的な距離や類似度の概念から組み立てていく構成を取っています。

個々のアルゴリズムをバラバラに暗記するのではなく、「データ間の近さをどう測るか」「近さに基づいてどう判断するか」という統一的な視点でまとめている点が本書の特徴です。ユークリッド距離、コサイン類似度、マハラノビス距離など距離関数のバリエーションから始まり、それぞれがどのような性質のデータに適するかを解説した上で、具体的な学習アルゴリズムに接続していきます。高校数学 (ベクトル、行列の基本) があればついていける難易度に抑えられています。

深層学習の登場以降、機械学習の学習教材はニューラルネットワーク偏重になりがちですが、本書が扱う距離ベースの手法は解釈性が高く、データの特徴が掴みやすい小〜中規模の問題で依然として有用です。「フレームワークに数字を入れたら答えが出る」のではなく「なぜその分類になるのか」を距離の言葉で説明できるようになりたい人にとって、思考の土台を整えるための入門書です。