情報データサイエンス・AI標準
機械学習のための確率と統計
確率分布から推定・検定まで、機械学習で使う確率と統計を基礎から学ぶ。確率変数と分布、条件付き確率、標本生成、確率不等式、極限定理などを扱う、標準レベルの教科書です。院試での使い方、優先する範囲、次に進む1冊を解説します。
![]()
- 書名
- 機械学習のための確率と統計
- 著者
- 杉山将
- 出版社
- 講談社
- 発行
- 2015-04-07
- 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。
機械学習を学ぶために必要な、確率と統計の基礎を説明する教科書です。確率変数と確率分布、離散型と連続型の代表的な分布、多次元の確率分布、確率変数の和、統計的な推定、仮説検定などを扱います。
機械学習の本を読んでいて、確率や統計の部分でつまずく人が、必要な範囲を効率よく補えるよう作られています。
- 機械学習の理論書で、確率・統計の記述が理解できない人
- 院試で、確率・統計が機械学習と関連して出題される人
微分積分と線形代数の基本を学んでいることが前提です。
- 確率変数と確率分布
- 離散型確率分布の例
- 連続型確率分布の例
- 多次元確率分布の性質
- 多次元確率分布の例
- 任意の確率分布に従う標本の生成
- 独立な確率変数の和の確率分布
- 確率不等式
- 統計的推定
- 仮説検定
機械学習で実際に使う内容に絞って説明しています。多次元の正規分布や、最尤推定、ベイズ推定など、機械学習の理論で頻繁に現れる題材が丁寧に扱われています。
院試で特に重要なのは、3つの部分です。
1つ目は、代表的な確率分布です。二項分布、ポアソン分布、正規分布などについて、期待値と分散を導出できるようにします。
2つ目は、多次元の確率分布です。同時分布、周辺分布、条件つき分布、共分散、多次元の正規分布は、機械学習の理論の土台です。行列を使った表し方に慣れてください。
3つ目は、統計的推定です。最尤推定の手順を、具体的な分布について自分で計算します。ベイズ推定との考え方の違いも、説明できるようにします。
確率不等式や、標本の生成に関する章は、志望先の過去問に出ている場合に取り組めば足ります。仮説検定は、統計を出題する専攻で重要になります。
次の問いに答えられるかを確かめてください。
- ベイズの定理を使って、条件つき確率を計算できるか
- 正規分布の母数を、最尤推定で求められるか
- 共分散行列の意味を説明できるか
確率と統計の基礎を扱う本で、機械学習の手法そのものは扱っていません。
読み終えたら、『はじめてのパターン認識』で、機械学習の手法の理論へ進みます。
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
機械学習のための確率と統計
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・参考書はじめてのパターン認識森北出版
はじめてのパターン認識標準・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