『Machine Learning: a Probabilistic Perspective』という本があります。
以下ではMLaPPと略します。
日本語版は2019年12月15日現在、出版されていないです。
著者のページ：
http://people.cs.ubc.ca/~murphyk/MLbook/
amazon.co.jp：
https://www.amazon.co.jp/gp/product/0262018020/
他の本との比較
MLaPPは、Bishopの『パターン認識と機械学習』、Hastieらの『統計的学習の基礎』と以下の様な違いがあるとMurphyは述べています。
-
学部生にとってアクセスしやすい。
確率、線形代数、微積分、プログラミングの背景を前提としている。ただし、数学的なレベルは徐々に上昇し、より難しいセクションは難しいと明示されている。 -
より実用的。
本で説明されているほぼすべての図を再現し、ほぼすべてのアルゴリズムを実装するMatlabのコードが付属している。 -
他の本では説明されていない様々な重要なトピックをカバー。
条件付きランダムフィールド、深層学習など。
日本語で書かれている評判
「英語しかありませんが，今熱い教科書がMLaPPです．
出版は2012年で，PRML・ESLよりかなり新しいです．
1000ページ以上あり，通読するというより，リファレンスとして使うのが適当かもしれません．」
「機械学習系の新著が出る度思うんですけど、みんな新しい本に飛びつくよりもMurphy本なりPRMLなり何でもいいから基礎的な教科書を一通り読んだ方が力つくんじゃないかという気がしている。アカデミアの人は知らんけど、企業の人はこれをやってない人が多いように自分には見える。」
コメント
- 学部レベルの知識で読める内容になっているのは嬉しいですね。
- 現在はPythonのコードも作製中ながら公開されています。 https://github.com/probml/pyprobml
- まだ第2章の途中までしか読むことができていませんが、続きが楽しみです。
- 最近話題の『Mathematics for Machine Learning』 https://mml-book.github.io/ も気になっています。
- 他にも機械学習に関する良い洋書があれば教えていただけると嬉しいです。