視点の転換がカギ!
変数間の因果やつながりをグラフで表現、分析するメリットを理解して使おう。
各種グラフィカルモデルの紹介から、機械学習における使い方まで丁寧に解説する。
この手法が有効な問題の見分け方、グラフの扱い、推論・学習に活かす方法など、
必要なことをコンパクトにまとめた。
第1章 グラフィカルモデル入門
第2章 確率論の基礎
第3章 ベイジアンネットワーク
第4章 マルコフ確率場
第5章 因子グラフ表現
第6章 周辺確率分布の計算1.:確率伝搬法
第7章 周辺確率分布の計算2.:ベーテ近似
第8章 周辺確率分布の計算3.:平均場近似
第9章 グラフィカルモデルの学習1.:隠れ変数のないモデル
第10章 グラフィカルモデルの学習2.:隠れ変数のあるモデル
第11章 グラフィカルモデルの学習3.:具体例
第12章 MAP割り当ての計算1.:最大伝搬法
第13章 MAP割り当ての計算2.:線形緩和による方法
第14章 グラフィカルモデルの構造学習
付録A 公式集
付録B 凸解析入門
付録C 指数型分布族