出版社内容情報
機械学習エンジニア必見!
ベイズ統計の基礎から
ベイズ統計モデリングまで
Pythonプログラムをもとに丁寧に解説!
【本書の内容】
ベイズ統計の基礎知識からベイズ統計モデリングまで、
Pythonのプログラムをもとにわかりやすく解説した書籍です。
前半ではベイズ統計の理解に必要な確率の説明からはじまり、
ベイズ統計学、ベイズの定理、ベイズ推定の基本事項をわかりやすく解説。
後半では線形モデルを例題として、MCMC法を用いたモデルの推定方法について解説します。
【本書で扱うベイズの定理について】
事後分布を求める際に問題となる、ベイズの定理の積分計算を回避する方法を2つ紹介します。
1つは、共役事前分布によって事後分布の解析解を求める方法です。
そしてもう1つは、MCMC法を使用することで数値計算によって事後分布を推定する方法です。
MCMC法はPythonのライブラリのPyMC3を用いて手軽に実践することができます。
【本書の扱うベイズ統計の範囲】
・確率の基本
・ベイズの定理
・ベイズ推定
・MCMC法:マルコフ連鎖モンテカルロ法
・線形モデル
・一般化線形モデル
【対象読者】
・ベイズ統計モデリングをこれから学ぼうとされる方
・ベイズ統計モデリングの基礎知識が少ない機械学習エンジニア
【著者プロフィール】
かくあき
学生時代から数値解析を中心にPython
内容説明
ベイズ統計の基礎知識からベイズ統計モデリングまで、Pythonのプログラムをもとにわかりやすく解説した書籍です。前半ではベイズ統計の理解に必要な確率の説明からはじまり、ベイズ統計学、ベイズの定理、ベイズ推定の基本事項をわかりやすく解説。後半では線形モデルを例題として、MCMC法を用いたモデルの推定方法について解説します。
目次
第1章 開発環境の準備
第2章 Pythonプログラミングの基本
第3章 確率の基本
第4章 ベイズの定理とベイズ推定
第5章 確率関数
第6章 事後分布の推定方法
第7章 MCMC法の概要と診断情報
第8章 線形モデルの回帰分析
第9章 一般化線形モデルのベイズ推定
著者等紹介
かくあき[カクアキ]
東京工業大学工学部卒業後、同大学院理工学研究科を2012年に修了。学生時代から数値解析を中心にPython、MATLAB、Fortran、C、LISPなどのプログラミング言語を利用。Pythonの普及の一助となるべく、Udemyで講座を公開、KDPでの電子書籍を出版するなど情報発信(本データはこの書籍が刊行された当時に掲載されていたものです)
※書籍に掲載されている著者及び編者、訳者、監修者、イラストレーターなどの紹介情報です。