2. 計算数理B(3年後期): 機械学習入門
1. 機械学習の概要 8. Lasso回帰とRidge回帰
2. 線形回帰 (1) 理論解析 9. 主成分分析、主成分回帰、部分的最小2乗法
3. 線形回帰 (2) 応用 10. スプライン回帰、一般化加法モデル
4. ロジスティック回帰、最尤法、フィッシャー情報量 11. 決定木
5. 線形判別、2次判別、K近傍法 12. バギング、ランダムフォーレスト、ブースティング
6. クロスバリデーションとブートストラップ 13. サポートベクトルマシン
7. 情報量基準 14. クラスタリング
学部3年で、機械学習の専門家レベル
原理の本質を理解する (数学で証明できる)
実データに適用して、応用のイメージを定着させる
An Introduction to Statistical
Learning with Applications in R
Gareth James, Daniela Witten,
Trevor Hastie and Robert
Tibshirani
Springer, 2013
450ページ
最後(第15回は、機械学習を利用した実例に関する発表会)
3. 機械学習のトップ会議UAI 2017採択 (2017年8月)
Uncertainty in Artificial Intelligence, August 12-15, 2017
“Branch and Bound for Regular Bayesian Network Structure Learning”
Joe Suzuki and Jun Kawahara