- Chapter1 はじめに
- Chapter2 回帰 ~ 広告費からクリック数を予測する
- Chapter3 分類 ~ 画像サイズに基づいて分類する
- Chapter4 評価 ~ 作ったモデルを評価する
- Chapter5 実装 ~ Pythonでプログラミングする
Chapter1 はじめに
1 機械学習への興味
2 機械学習の重要性
3 機械学習のアルゴリズム
4 数学とプログラミング
Chapter2 回帰 ~ 広告費からクリック数を予測する
1 問題設定
2 モデル定義
3 最小二乗法
3-1 最急降下法
4 多項式回帰
5 重回帰
6 確率的勾配降下法
Chapter3 分類 ~ 画像サイズに基づいて分類する
1 問題設定
2 内積
3 パーセプトロン
3-1 学習データの準備
3-2 重みベクトルの更新式
4 線形分離可能
5 ロジスティクス回帰
5-1 シグモイド関数
5-2 決定境界
6 尤度関数
7 対数尤度関数
7-1 尤度関数の微分
8 線形分離不可能
Chapter4 評価 ~ 作ったモデルを評価する
1 モデル評価
2 交差検証
2-1 回帰問題の検証
2-2 分類問題の検証
2-3 適合率と再現率
2-4 F値
3 正則化
3-1 過学習
3-2 正規化の方法
3-3 正規化の効果
3-4 分類の正規化
3-5 正規化した式の微分
4 学習曲線
4-1 未学習
4-2 過学習と未学習の判別
Chapter5 実装 ~ Pythonでプログラミングする
1 Python で実装してみよう
2 回帰
2-1 学習データの確認
2-2 1次関数として実装
2-3 検証
2-4 多項式回帰の実装
2-5 確率的勾配降下法の実装
3 分類(パーセプトロン)
3-1 学習データの確認
3-2 パーセプトロンの実装
3-3 検証
4 分類(ロジスティクス回帰)
4-1 学習データの確認
4-2 ロジスティクス回帰の実装
4-3 検証
4-4 線形分離不可能な分類を実装する
4-5 確率的勾配降下法の実装
5 正則化
5-1 学習データの確認
5-2 正則化を適用しない実装
5-3 正則化を適用した実装
5-4 後日談
