2017年10月2日(月)に開講しました。昨年度(前任者)の講義とは異なる内容です。
授業の目的と概要
機械学習は、1990年代後半から統計学の手法と結びつき、現在は統計的機械学習として、人工知能の中心的な技術として開花している。本講義では、(統計的)機械学習の基本概念を、正しく理解することが目的である。実際、入力と出力の間の関係を原理のレベルから理解しないと、分析結果の意味を正確に把握することは難しい。本講義では、whatを漠然と学習するのではなく、項目を最低限のものにしぼり、whyを数学的に解決しながら、最も理路整然とした状態の機械学習を脳裏に形成していく。無論、理論だけで終わるものではなく、同時に受講する演習科目で具体的に手を動かしていき、最後に実データに関する分析のプレゼンテーションを行う。
学習目標
(1) 機械学習の方法のそれぞれについて、なぜそうしないといけないのかを理解する。
(2) 証明を見るまでは納得しない、という粘り強さを身につける。
内容
第1回 イントロダクション: 機械学習の諸概念: 履修の仕方、 参考文献 2. 要約ビデオ
第2回 線形回帰(1): 参考文献 3.
第3回 線形回帰(2): 線形回帰の理論: 数学的な導出
第4回 ロジスティック回帰、最尤法、フィッシャー情報量:
第5回 判別分析、k-近傍法: 参考文献 4.4, 4.5
第6回 クロスバリデーションとブートストラップ: 参考文献 5.
第7回 情報量基準: 参考文献 6.1
第8回 Ridge回帰とLasso回帰: 参考文献 6.2
第9回 主成分分析、主成分回帰、部分的最小2乗法: 参考文献 6.3, 10.2
第10回 スプライン回帰、一般化加法モデル: 参考文献 7.
第11回 決定木: 参考文献 8.1
第12回 バギング、ランダムフォーレスト、ブースティング: 参考文献 8.2
第13回 サポートベクトルマシン: 参考文献 9章
第14回 クラスタリング: 参考文献 10.3
第15回 総合演習・発表: 期末課題について、各自が事前に提出したものを、プレゼンする。
教科書・教材: 講義でプリントを配布。必要に応じ、復習のためのビデオを配布する
参考文献: G., Witten, D., Hastie, T., Tibshirani, R., “An Introduction to Statistical Learning with Applications in R”, Springer-Verlag (2013)