- 担当教員
- 鈴木 大慈
- 使用教室
- 火7-8(W832)
- 単位数
- 講義：2 演習：0 実験：0
- 講義コード
- 75011
- シラバス更新日
- 2014年4月7日
- 講義資料更新日
- 2014年4月7日
- アクセス指標
-
- 学期
- 前期
講義概要
統計学のより進んだ技法のいくつかを様々な応用分野との関連で述べる．特に高次元推定問題や機械学習の話題についてふれる．
講義の目的
機械学習・データ解析の手法を紹介する．
各手法の理論と使い方を学ぶ．
実際にパターン認識などを解けるようにする．
講義計画
教師有り学習
-統計的決定理論
-過学習と正則化：バイアス-バリアンスのトレードオフ
-高次元スパース推定 (Lasso，低ランク行列推定，グループ正則化，共分散選択)
-正則化学習法の最適化技法
-オンライン学習
-カーネル法
-学習理論
教師なし学習
-クラスタリング
--K-means法
--Gaussian Mixture Model，ＥＭアルゴリズム
-独立成分分析
教科書・参考書等
T. Hastie, R. Tibshirani, and J. Friedman: The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Second edition. Springer, 2009.
関連科目・履修の条件等
線形代数と確率統計の基礎知識があることが望ましい．
成績評価
出席３０点＋レポート７０点
