スモールデータ解析と機械学習 | Ohmsha
第1章 スモールデータとは 1.1 ビッグデータからスモールデータへ 1.2 スモールデータ解析の特徴 1.3 本書の構成 第2章 相関関係と主成分分析 2.1 データの前処理 2.2 共分散と相関関係 2.3 相関関係≠因果関係 2.4 多変数間の相関関係 2.5 主成分分析（PCA）とは 2.6 データの特徴 2.7 第1主成分の導出 2.8 第r主成分の導出 2.9 PCAの数値例 2.10 主成分数の決定 2.11 PCAの行列表現 2.12 PCAと特異値分解 第3章 回帰分析と最小二乗法 3.1 回帰分析とは 3.2 最小二乗法 3.3 回帰係数と相関係数 3.4 最小二乗法の幾何学的意味 3.5 ガウス-マルコフの定理 3.6 最尤法と最小二乗法 3.7 多重共線性の問題 3.8 サンプル数が入力変数の数よりも少ない場合 3.9 擬似逆行列を用いる方法 3.10 主成分回帰（
プログラミングのための確率統計 | Ohmsha
第I部 確率そのものの話 第1章 確率とは 1.1 数学の立場 1.2 三つの扉（モンティホール問題） ――― 飛行船視点 1.2.1 モンティホール問題 1.2.2 正しい答とよくある勘違い 1.2.3 飛行船視点への翻訳 1.3 三つ組(Ω,F, P) ――― 神様視点 1.4 確率変数 1.5 確率分布 1.6 現場流の略記法 1.6.1 確率変数の記法 1.6.2 確率の記法 1.7は裏方 1.7.1の正体にはこだわらない 1.7.2のとり方の流儀 1.7.3なし（神様視点なし）の確率論 1.8 念押しなど 1.8.1 何がしたかったのか 1.8.2 面積なんだから…… 1.8.3 言い訳 コラム：モンティホール問題のシミュレーション 第2章 複数の確率変数のからみあい 2.1 各県の土地利用（面積計算の練習） 2.1.1 県別・用途別の集計（同時確率と周辺確率の練習） 2.1.2
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
