機械学習エンジニア必見！ ベイズ統計の基礎から ベイズ統計モデリングまで Pythonプログラムをもとに丁寧に解説！ 【本書の内容】 ベイズ統計の基礎知識からベイズ統計モデリングまで、 Pythonのプログラムをもとにわかりやすく解説した書籍です。 前半ではベイズ統計の理解に必要な確率の説明からはじまり、 ベイズ統計学、ベイズの定理、ベイズ推定の基本事項をわかりやすく解説。 後半では線形モデルを例題として、MCMC法を用いたモデルの推定方法について解説します。 【本書で扱うベイズの定理について】 事後分布を求める際に問題となる、ベイズの定理の積分計算を回避する方法を2つ紹介します。 1つは、共役事前分布によって事後分布の解析解を求める方法です。 そしてもう1つは、MCMC法を使用することで数値計算によって事後分布を推定する方法です。 MCMC法はPythonのライブラリのPyMC3を用いて手軽に実践することができます。 【本書の扱うベイズ統計の範囲】 ・確率の基本 ・ベイズの定理 ・ベイズ推定 ・MCMC法：マルコフ連鎖モンテカルロ法 ・線形モデル ・一般化線形モデル 【対象読者】 ・ベイズ統計モデリングをこれから学ぼうとされる方 ・ベイズ統計モデリングの基礎知識が少ない機械学習エンジニア 【著者プロフィール】 かくあき 学生時代から数値解析を中心にPython,Matlab,Fortran,C,LISPなどのプログラミング言語を利用している。 Pythonの普及の一助となるべく、Udemyで講座を公開。 Kindle Direct Publishingで電子書籍を出版するなど、情報発信を行う。 著書に『現場で使える！Python科学技術計算入門』（翔泳社）がある。 第1章　開発環境の準備 1.1　Pythonのインストール 1.2　Jupyter Notebook 第2章　Pythonプログラミングの基本 2.1　四則演算 2.2　変数とオブジェクト 2.3　コンテナ 2.4　複合文 2.5　Matplotlibによるグラフ作成 第3章　確率の基本 3.1　確率 3.2　条件付き確率 第4章　ベイズの定理とベイズ推定 4.1　ベイズの定理 4.2　ベイズ推定 第5章　確率関数 5.1　確率質量関数 5.2　確率密度関数 第6章　事後分布の推定方法 6.1　共役事前分布を利用したパラメータ推定 6.2　PyMC3入門 第7章　MCMC法の概要と診断情報 7.1　メトロポリスアルゴリズム 7.2　MCMC法の診断情報 第8章　線形モデルの回帰分析 8.1　線形回帰 8.2　ロバスト線形回帰 8.3　多項式回帰 第9章　一般化線形モデルのベイズ推定 9.1　一般化線形モデル 9.2　ロジスティック回帰 9.3　ポアソン回帰