エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
機械学習スタートアップシリーズ ベイズ推論による機械学習入門
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
機械学習スタートアップシリーズ ベイズ推論による機械学習入門
内容説明 最短経路で平易に理解できる、今までにない入門書! ベイズ主義機械学習(ベイズ学習)の基本... 内容説明 最短経路で平易に理解できる、今までにない入門書! ベイズ主義機械学習(ベイズ学習)の基本原理にのっとり、「モデルの構築→推論の導出」という一貫した手順でアルゴリズムの作り方を解説。どこまでも分かりやすい! 目次 第1章 機械学習とベイズ学習 機械学習とは 機械学習の代表的なタスク 機械学習の 2 つのアプローチ 確率の基本計算 グラフィカルモデル ベイズ学習のアプローチ 第2章 基本的な確率分布 期待値 離散確率分布 連続確率分布 第3章 ベイズ推論による学習と予測 学習と予測 離散確率分布の学習と予測 1次元ガウス分布の学習と予測 多次元ガウス分布の学習と予測 線形回帰の例 第4章 混合モデルと近似推論 混合モデルと事後分布の推論 確率分布の近似手法 ポアソン混合モデルにおける推論 ガウス混合モデルにおける推論 第5章 応用モデルの構築と推論 線形次元削減 非負値行列因子分解