あらすじ・内容紹介
1 はじめに
1.1 現象のモデル化
1.2 識別・判別
1.3 次元圧縮
1.4 分類
2 線形回帰モデル
2.1 2変数間の関係を捉える
2.2 多変数間の関係を捉える
3 非線形回帰モデル
3.1 現象のモデル化
3.2 基底関数に基づくモデル
3.3 基底展開法
3.4 正則化法
4 ロジスティック回帰モデル
4.1 リスク予測モデル
4.2 複合リスク予測モデル
4.3 非線形ロジスティック回帰モデル
5 モデル評価基準
5.1 予測誤差に基づく評価基準
5.2 情報量基準
5.3 ベイズ型モデル評価基準
6 判別分析
6.1 フィッシャーの線形判別
6.2 マハラノビス距離に基づく判別法
6.3 多群判別
6.4 変数選択
6.5 正準判別
7 ベイズ判別
7.1 ベイズの定理
7.2 ベイズ判別法
7.3 ロジスティック判別
8 サポートベクターマシーン
8.1 分離超平面の構成
8.2 線形分離可能でない場合のテクニック
8.3 線形から非線形へ
9 主成分分析
9.1 主成分の構成
9.2 カーネル主成分分析
10 クラスター分析
10.1 階層的分類法
10.2 非階層的分類法
10.3 混合分布モデル
付録A ブートストラップ法
付録B ラグランジュの未定乗数法
付録C EMアルゴリズム
