情報データサイエンス・AI標準
はじめてのパターン認識
ベイズの識別規則からSVM、クラスタリングまで、パターン認識の基礎を学ぶ。ベイズ決定、識別関数、分類器の学習と評価などを扱う、標準レベルの教科書です。院試での位置づけと使い方を、次の1冊とあわせて紹介します。
![]()
- 書名
- はじめてのパターン認識
- 著者
- 平井有三
- 出版社
- 森北出版
- 発行
- 2012-07
- 分野
- 情報/データサイエンス・AI
※当ページのリンクには広告が含まれています。
パターン認識を初めて学ぶ人に向けた入門書です。240ページ・全11章で、識別規則と学習法の概要から、ベイズの識別規則、確率モデル、k最近傍法、線形識別関数、パーセプトロン、サポートベクトルマシン、部分空間法、クラスタリング、識別器の組み合わせまでを扱います。
機械学習の基礎にあたる内容を、数式を省かずに、しかし丁寧に説明しています。統計ソフトによる実行例も含まれています。
- 院試で、パターン認識や機械学習の基礎が出題される人
- 機械学習の手法を、数式から理解したい人
線形代数、微分積分、確率・統計の基本を学んでいることが前提です。
- 第2章 識別規則と学習法の概要
- 第3章 ベイズの識別規則
- 第4章 確率モデルと識別関数
- 第5章 k最近傍法(kNN法)
- 第6章 線形識別関数
- 第7章 パーセプトロン型学習規則
- 第8章 サポートベクトルマシン
- 第9章 部分空間法
- 第10章 クラスタリング
- 第11章 識別器の組み合わせによる性能強化
各手法について、考え方、数式による導出、具体例の順で説明します。11章の中で、主要な識別の手法をひととおり学べます。
院試で最も基本になるのは、第3章「ベイズの識別規則」と第4章「確率モデルと識別関数」です。事後確率を最大にするという考え方、誤り率、正規分布を仮定したときの識別境界を、数式で導けるようにしてください。
次に、第6章「線形識別関数」と第7章「パーセプトロン型学習規則」を読みます。最小二乗法による識別、フィッシャーの線形判別、誤差逆伝播法の考え方が出題されます。
第8章「サポートベクトルマシン」は、マージン最大化の定式化と、双対問題への変形を追います。ラグランジュの未定乗数法の理解が必要です。
第9章の主成分分析と、第10章「クラスタリング」のk-means法は、手順を説明させる問題として出ます。
第2章は、学習データとテストデータの分け方、汎化能力の評価を扱っており、用語の説明問題に対応できます。
次の問いに答えられるかを確かめてください。
- 事前確率と尤度から、事後確率を計算できるか
- 主成分分析が、何を最大にする手法なのかを説明できるか
- 過学習とは何か、どう防ぐのかを説明できるか
2012年刊行の本です。深層学習の新しい手法は扱っていません。数式が多いため、数学の基礎が不足していると読み進めるのが難しくなります。
数学に不安がある場合は、線形代数と確率・統計を先に復習します。読み終えたら、志望先の過去問で、導出の問題を解きます。
スッキリわかるPythonによる機械学習入門 初版基礎・参考書Python3年生 機械学習のしくみ 体験してわかる!会話でまなべる!翔泳社
Python3年生 機械学習のしくみ 体験してわかる!会話でまなべる!基礎・参考書教養としての機械学習東京大学出版会
教養としての機械学習基礎・参考書
はじめてのパターン認識
ゼロから作るDeep Learning Pythonで学ぶディープラーニングの理論と実装標準・参考書機械学習のための確率と統計講談社
機械学習のための確率と統計標準・教科書期間限定!入会金無料キャンペーン!
11月30日までのお申し込みで、
入会金30,000円が無料!
また、ご満足いただけない場合は安心の全額返金保証制度あり!
無料体験講義のお申し込み
下記に必要事項を記入の上、【送信】を押してください。
数日以内に担当のものからメールでお返事させていただきます。
※迷惑メール設定を解除いただくようお願いいたします。
院試塾INPASSのサービス内容は、こちらからご確認いただけます。
INPASSの詳細を見る情報の最終確認日:2026-11-17