 |
 |
記号解説
口絵
翻訳にあたって
序 |
| |
 |
科学技術計算のためのPython への入門 |
|
 |
| 1.1 | インストールとセットアップ |
| 1.2 | Numpy |
| 1.2.1 | Numpy の配列とメモリ |
| 1.2.2 | Numpy の行列 |
| 1.2.3 | Numpy のブロードキャスティング |
| 1.2.4 | Numpy のマスクされた配列 |
| 1.2.5 | Numpy の最適化と内容見本 |
| 1.3 | Matplotlib |
| 1.3.1 | Matplotlib の代替 |
| 1.3.2 | Matplotlib の拡張 |
| 1.4 | IPython |
| 1.4.1 | IPython Notebook |
|
|
| 1.5 | Scipy |
| 1.6 | Pandas |
| 1.6.1 | シリーズ（Series） |
| 1.6.2 | データフレーム（Dataframe） |
| 1.7 | Sympy |
| 1.8 | コンパイル済みライブラリのインタフェース |
| 1.9 | 統合開発環境 |
| 1.10 | パフォーマンスと並列プログラミングへのクイックガイド |
| 1.11 | その他のリソース |
| | 参考文献 |
|
| |
 |
確率 |
|
|
| 2.1 | はじめに |
| 2.1.1 | 確率密度の理解 |
| 2.1.2 | 確率変数 |
| 2.1.3 | 連続型確率変数 |
| 2.1.4 | 微分積分を超えた変数の変換 |
| 2.1.5 | 独立確率変数 |
| 2.1.6 | 折れた竿の古典的事例 |
| 2.2 | 写像法 |
| 2.2.1 | 重み付きの距離 |
| 2.3 | 写像としての条件付き期待値 |
| 2.3.1 | 付録 |
| 2.4 | 条件付き期待値と平均二乗誤差 |
| 2.5 | 条件付き期待値と平均二乗誤差最適化の実施例 |
| 2.5.1 | 実施例 |
| 2.5.2 | 実施例 |
| 2.5.3 | 実施例 |
|
|
| 2.5.4 | 実施例 |
| 2.5.5 | 実施例 |
| 2.5.6 | 実施例 |
| 2.6 | 情報エントロピー |
| 2.6.1 | 情報理論の概念 |
| 2.6.2 | 情報エントロピーの性質 |
| 2.6.3 | カルバック・ライブラー情報量 |
| 2.7 | 積率母関数 |
| 2.8 | モンテカルロサンプリング法 |
| 2.8.1 | 離散型変数のための逆CDF法 |
| 2.8.2 | 連続変数のための逆CDF法 |
| 2.8.3 | 棄却法 |
| 2.9 | 有用な不等式 |
| 2.9.1 | マルコフの不等式 |
| 2.9.2 | チェビシェフの不等式 |
| 2.9.3 | ヘフディングの不等式 |
| | 参考文献 |
|
| |
 |
統計 |
|
|
| 3.1 | はじめに |
| 3.2 | 統計用Python モジュール |
| 3.2.1 | Scipy の統計モジュール |
| 3.2.2 | Sympy の統計モジュール |
| 3.2.3 | その他の統計用Python モジュール |
| 3.3 | 収束の種類 |
| 3.3.1 | ほとんど確実に収束 |
| 3.3.2 | 確率収束 |
| 3.3.3 | 分布収束 |
| 3.3.4 | 極限定理 |
| 3.4 | 最尤推定法を用いた推定 |
| 3.4.1 | コイン投げ施行の準備 |
| 3.4.2 | デルタ法 |
| 3.5 | 仮説検定とP値 |
| 3.5.1 | コイン投げの例に戻る |
| 3.5.2 | ROC（受信者動作特性） |
| 3.5.3 | P値 |
| 3.5.4 | 検定統計量 |
|
|
| 3.5.5 | 多重仮説検定 |
| 3.6 | 信頼区間 |
| 3.7 | 線形回帰 |
| 3.7.1 | 多重共変量への拡張 |
| 3.8 | 最大事後確率 |
| 3.9 | ロバスト統計 |
| 3.10 | ブートストラッピング |
| 3.10.1 | パラメトリックブートストラップ |
| 3.11 | ガウス= マルコフの定理 |
| 3.12 | ノンパラメトリック法 |
| 3.12.1 | カーネル密度推定 |
| 3.12.2 | カーネル平滑化 |
| 3.12.3 | ノンパラメトリック回帰推定量 |
| 3.12.4 | 最近傍回帰 |
| 3.12.5 | カーネル回帰 |
| 3.12.6 | 次元の呪い |
| | 参考文献 |
|
| |
 |
機械学習 |
|
|
| 4.1 | はじめに |
| 4.2 | Python の機械学習モジュール |
| 4.3 | 学習の理論 |
| 4.3.1 | 機械学習理論への入門 |
| 4.3.2 | 汎化の理論 |
| 4.3.3 | 汎化と近似の複雑さについての動作例 |
| 4.3.4 | 交差検定 |
| 4.3.5 | バイアスとバリアンス |
| 4.3.6 | 学習ノイズ |
| 4.4 | 決定木 |
| 4.4.1 | ランダムフォレスト |
| 4.5 | ロジスティック回帰 |
| 4.5.1 | 一般化線形モデル |
|
|
| 4.6 | 正則化 |
| 4.6.1 | リッジ回帰 |
| 4.6.2 | Lasso 回帰 |
| 4.7 | サポートベクトルマシン |
| 4.7.1 | カーネルトリック |
| 4.8 | 次元削減 |
| 4.8.1 | 独立成分分析 |
| 4.9 | クラスタリング |
| 4.10 | アンサンブル手法 |
| 4.10.1 | バギング |
| 4.10.2 | ブースティング |
| | 参考文献 |
|
| |
索引
参考文献リスト（和書）
|
| |
| |
