このページでは「オンライン機械学習」に関する 追加情報・正誤表・サンプルコード等の情報を掲載します。
お知らせ- 2015/6/11 第三版を出版しました。
- 2015/5/7 正誤情報を追加しました。
- 2015/4/20 正誤情報を追加しました。
- 2015/4/17 Twitter公式アカウントを開設しました。
- 2015/4/17 正誤情報を追加しました。
- 2015/4/14 第二版を出版しました。
- 2015/4/7 サポートページを開設しました。
書誌情報- タイトル：オンライン機械学習
- 著者：海野 裕也、岡野原 大輔、得居 誠也、徳永 拓之
- シリーズ「機械学習プロフェッショナルシリーズ」
- 編集：
- 出版社：講談社
- Amazonリンク
目次- 序論
- 機械学習とは
- オンライン学習とは
- オンライン学習の特徴
- オンライン学習の短所
- この本の構成
- 準備
- 数式を読む際の心構え
- 数式についての約束事
- 凸関数と非凸関数
- 基礎
- 二値分類
- 線形分類器
- パーセプトロン
- 目的関数と最適化手法
- サポートベクトルマシン
- ロジスティック回帰
- 正則化の効果
- 二値分類器の性能評価の方法
- 二値分類のまとめ
- 多クラス分類
- 応用
- 発展編
- 高精度なオンライン学習
- オンライン分散並列学習
- 深層学習で使われるオンライン学習
- 性能解析
- オンライン学習の性能
- パーセプトロンの学習定理
- 線形分離可能でない場合のパーセプトロンの学習定理
- リグレット解析
- 実装
- ベクトルの実装
- アルゴリズムの実装
- 浮動小数点における制約
正誤表
P.33 式3.13 誤： 正：
P. 34 3行目 誤： 正：
P. 34 式3.17直前誤：最大化することが正：最小化することが
P.37 アルゴリズム3.3 8行目 誤： 正： P. 90 式4.44, P.91 式4.45 誤：
p.107 式5.15の直前 誤：最初のn次元 正：最初のm次元
p. 126 式6.1の直後 誤：averaged stochastic discent 正：averaged stochastic descent 関連情報 | 
