新品:
¥3,520 税込
ポイント: 35pt  (1%)
無料配送5月14日 火曜日にお届け
発送元: Amazon.co.jp
販売者: Amazon.co.jp
¥3,520 税込
ポイント: 35pt  (1%)  詳細はこちら
無料配送5月14日 火曜日にお届け
詳細を見る
または 最も早い配送 明日 5月13日にお届け(5 時間 35 分以内にご注文の場合)
詳細を見る
残り9点(入荷予定あり) 在庫状況について
¥3,520 () 選択したオプションを含めます。 最初の月の支払いと選択されたオプションが含まれています。 詳細
価格
小計
¥3,520
小計
初期支払いの内訳
レジで表示される配送料、配送日、注文合計 (税込)。
出荷元
Amazon.co.jp
出荷元
Amazon.co.jp
販売元
販売元
支払い方法
お客様情報を保護しています
お客様情報を保護しています
Amazonはお客様のセキュリティとプライバシーの保護に全力で取り組んでいます。Amazonの支払いセキュリティシステムは、送信中にお客様の情報を暗号化します。お客様のクレジットカード情報を出品者と共有することはありません。また、お客様の情報を他者に販売することはありません。 詳細はこちら
支払い方法
お客様情報を保護しています
Amazonはお客様のセキュリティとプライバシーの保護に全力で取り組んでいます。Amazonの支払いセキュリティシステムは、送信中にお客様の情報を暗号化します。お客様のクレジットカード情報を出品者と共有することはありません。また、お客様の情報を他者に販売することはありません。 詳細はこちら
¥1,869 税込
【通常配送送料無料】【30日間返品保証有り】【お急ぎ便&お届け日時指定便対応可】【適格請求書発行可能】書き込みありません。古本ではございますが、使用感少なくきれいな状態の書籍です。弊社基準で良よりコンデションが良いと判断された商品となります。水濡れ防止梱包の上、迅速丁寧に発送させていただきます。【当社は適格請求書発行事業者です。ご注文後にご注文履歴から適格請求書をダウンロードしていただけます】≪30日間返品保証:商品状態に当商品コメントと相違する点があった場合は到着後30日間、返品・返金を承ります≫【通常配送の配送料は無料です】≪お届け日時指定便は、最短でご注文日の翌日以降からご都合の良い到着日時を指定してご注文頂けます≫【マケプレお急ぎ便は、速達扱いの配送方法で、発送翌日(北海道・沖縄県は発送翌々日)に到着するように発送し、最短でご注文日の翌日に到着します】≪お届け日時指定便とマケプレお急ぎ便は、時期による物量、天候状況、配送地域等によってはご利用頂けない場合がございます≫ 【通常配送送料無料】【30日間返品保証有り】【お急ぎ便&お届け日時指定便対応可】【適格請求書発行可能】書き込みありません。古本ではございますが、使用感少なくきれいな状態の書籍です。弊社基準で良よりコンデションが良いと判断された商品となります。水濡れ防止梱包の上、迅速丁寧に発送させていただきます。【当社は適格請求書発行事業者です。ご注文後にご注文履歴から適格請求書をダウンロードしていただけます】≪30日間返品保証:商品状態に当商品コメントと相違する点があった場合は到着後30日間、返品・返金を承ります≫【通常配送の配送料は無料です】≪お届け日時指定便は、最短でご注文日の翌日以降からご都合の良い到着日時を指定してご注文頂けます≫【マケプレお急ぎ便は、速達扱いの配送方法で、発送翌日(北海道・沖縄県は発送翌々日)に到着するように発送し、最短でご注文日の翌日に到着します】≪お届け日時指定便とマケプレお急ぎ便は、時期による物量、天候状況、配送地域等によってはご利用頂けない場合がございます≫ 一部を表示
無料配送 5月14日 火曜日にお届け(18 時間 35 分以内にご注文の場合)
詳細を見る
残り1点 ご注文はお早めに 在庫状況について
¥3,520 () 選択したオプションを含めます。 最初の月の支払いと選択されたオプションが含まれています。 詳細
価格
小計
¥3,520
小計
初期支払いの内訳
レジで表示される配送料、配送日、注文合計 (税込)。
Kindleアプリのロゴ画像

無料のKindleアプリをダウンロードして、スマートフォン、タブレット、またはコンピューターで今すぐKindle本を読むことができます。Kindleデバイスは必要ありません

ウェブ版Kindleなら、お使いのブラウザですぐにお読みいただけます。

携帯電話のカメラを使用する - 以下のコードをスキャンし、Kindleアプリをダウンロードしてください。

KindleアプリをダウンロードするためのQRコード

何か問題が発生しました。後で再度リクエストしてください。

Pythonで体験するベイズ推論:PyMCによるMCMC入門 単行本(ソフトカバー) – 2017/4/6

4.3 5つ星のうち4.3 20個の評価

{"desktop_buybox_group_1":[{"displayPrice":"¥3,520","priceAmount":3520.00,"currencySymbol":"¥","integerValue":"3,520","decimalSeparator":null,"fractionalValue":null,"symbolPosition":"left","hasSpace":false,"showFractionalPartIfEmpty":true,"offerListingId":"hdFpF6zCtNB%2Bx%2BuFXJ9i6%2B69%2FvKvOAwL%2FnKYlSwp765Kv2N35vJgI8RreERQrE09l2VJ%2FfLnutSE4SZPE2XNuN%2F1s7%2F1cz57qsmS1UQsM20J3n6F2c4rtbNvojG6tgKKMxcutMakDB8%3D","locale":"ja-JP","buyingOptionType":"NEW","aapiBuyingOptionIndex":0}, {"displayPrice":"¥1,869","priceAmount":1869.00,"currencySymbol":"¥","integerValue":"1,869","decimalSeparator":null,"fractionalValue":null,"symbolPosition":"left","hasSpace":false,"showFractionalPartIfEmpty":true,"offerListingId":"hdFpF6zCtNB%2Bx%2BuFXJ9i6%2B69%2FvKvOAwLmI1htmUjKppM6xUZEapMdLX8c8PLR6D6kJHdeLfgCBwkX8Fg2%2FSvW31BJjcDXSZ3XmqHjtv2eiiBWuWnUR3zGzIPZlavJCnuSoU7kNhRqtl6onCMQmDCDtDoPlfA72twpYFSQip4oE%2BukRYJ3GxEmA%3D%3D","locale":"ja-JP","buyingOptionType":"USED","aapiBuyingOptionIndex":1}]}

購入オプションとあわせ買い

◆Pythonモジュール「PyMC2」初の解説書
「PyMC」は, NumPy, SciPy, Matplotlibなどのツールとも高い親和性をもつ, MCMC(マルコフ連鎖モンテカルロ法)を用いたベイズ推論のためのPythonモジュールです.こうしたツールの登場により,これまで敷居の高かったベイズ推論を用いたデータ解析は,ますます実用性を高めています.

◆MCMCを動かしながら体得! ――ベイズ推論の新しい学び方
ベイズ推論をデータ分析で実践するまでには,従来は「ベイズ統計の基礎を学ぶ」 →「高度な計算手法の原理と実装法を学ぶ」→「コードを書いて実データを解析する」というステップが必要でした.しかしPyMCを使えば,このプロセスを大幅に短縮し「,いきなりMCMCを走らせる」→「結果を見ながらベイズ推論のエッセンスを学ぶ」という,効率的かつ実用的な学習法が実現します.Jupyter NotebookでのPythonコードが多数掲載された本書は,その格好の手引きです.

~~本書を読めばわかること~~
・ベイズ推論とはなにか,他の統計的推論との違い
・統計モデルをPyMCで実装する方法
・MCMCの考え方と威力
・損失関数の選び方・使い方
・事前分布の選び方と,サンプルサイズによる影響
・ベイズ主義的なA/Bテストの実践方法

◆電子版が発行されました/詳細は,森北出版webサイトにて

【目次】
第1章 ベイズ推論の考え方
1.1 はじめに
1.1.1 ベイズ的な考え方
1.1.2 ベイズ推論の実践
1.1.3 頻度主義は間違っているのか?
1.1.4 「ビッグデータ」について
1.2 ベイズ推論の枠組み
1.2.1 例題:誰もが一度は通る「コイン投げ」問題
1.2.2 例題:司書か農家か 1.3 確率分布
1.3.1 離散の場合
1.3.2 連続の場合
1.3.3 ところで って何?
1.4 コンピュータにベイズ推論をさせるには
1.4.1 例題:メッセージ数に変化はあるか?
1.4.2 必殺の一撃: PyMC
1.4.3 解釈
1.4.4 事後分布からサンプリングすると何が嬉しいの?
1.5 おわりに
付録
実際に二つの は統計的に異なっているのか?
二つの変化点への拡張
演習問題

第2章 PyMC についてもう少し
2.1 はじめに
2.1.1 親子関係
2.1.2 PyMC 変数
2.1.3 モデルに観測を組み込む
2.1.4 最後に
2.2 モデリングのアプローチ
2.2.1 同じ物語,異なる結末
2.2.2 例題:ベイズ的A/B テスト
2.2.3 単純な場合
2.2.4 A とB を一緒に
2.2.5 例題:嘘に対抗するアルゴリズム
2.2.6 二項分布
2.2.7 例題:カンニングをした学生の割合
2.2.8 もう一つのPyMC モデル
2.2.9 PyMC の使い方をもう少し
2.2.10 例題:スペースシャトル「チャレンジャー号」の悲劇
2.2.11 正規分布
2.2.12 チャレンジャー号の悲劇の日に何が起こった 2.3 このモデルは適切か?
2.3.1 セパレーションプロット
2.4 おわりに
付録
演習問題

第3章 MCMC のなかをのぞいてみよう
3.1 山あり谷あり,分布の地形
3.1.1 MCMC で地形を探索する
3.1.2 MCMC を実行するアルゴリズム
3.1.3 事後分布を近似する他の方法
3.1.4 例題:混合モデルの教師なしクラスタリング
3.1.5 事後サンプルを混ぜないで
3.1.6 MAP を使って収束を改善
3.2 収束性の解析
3.2.1 自己相関
3.2.2 間引き処理
3.2.3 pymc.Matplot.plot()
3.3 MCMC の使い方のヒント
3.3.1 良い初期値から始める
3.3.2 事前分布
3.3.3 MCMC についての経験則
3.4 おわりに

第4章 偉大な定理,登場
4.1 はじめに
4.2 大数の法則
4.2.1 直感的には
4.2.2 例題:ポアソン分布に従う確率変数の収束
4.2.3 Var(Z) をどうやって計算する 4.2.4 期待値と確率
4.2.5 つまりベイズ統計と何の関係があるのか 4.3 サンプルサイズが小さいという災い
4.3.1 例題:集約されたデータの扱い
4.3.2 例題: Kaggle のアメリカ国勢調査回答率コンテスト
4.3.3 例題: Reddit コメントをソートする
4.3.4 ソート!
4.3.5 でも計算が遅すぎる!
4.3.6 評価システムへの拡張
4.4 おわりに
付録
コメントをソートする公式の導出
演習問題

第5章 損失はおいくら?
5.1 はじめに
5.2 損失関数
5.2.1 実世界の損失関数
5.2.2 例題:テレビ番組The Price Is Right の最適化
5.3 ベイズ手法を用いた機械学習
5.3.1 例題:株価の予測
5.3.2 例題: Kaggle コンテスト「ダークマターの観測」
5.3.3 観測データ
5.3.4 事前分布
5.3.5 PyMC で実装する
5.4 おわりに

第6章 事前分布をハッキリさせよう
6.1 はじめに
6.2 主観的な事前分布と客観的な事前分布
6.2.1 客観的な事前分布
6.2.2 主観的な事前分布
6.2.3 意思決定につぐ意思決定
6.2.4 経験ベイズ
6.3 知っておくべき事前分布
6.3.1 ガンマ分布
6.3.2 ウィシャート分布
6.3.3 ベータ分布
6.4 例題:ベイズ多腕バンディット
6.4.1 応用
6.4.2 解法
6.4.3 良さを測る
6.4.4 アルゴリズムの拡張
6.5 その分野の専門家から事前分布を引き出す
6.5.1 ルーレット法
6.5.2 例題:株売買の収益
6.5.3 上級者向け:ウィシャート分布のノウハウ
6.6 共役事前分布
6.7 Jeffreys 事前分布
6.8 N が大きくなったときの事前分布の影響
6.9 おわりに
付録
罰則付き線形回帰のベイズ的な見方
事前確率が0 の場合

第7章 ベイズA/B テスト
7.1 はじめに
7.2 コンバージョンテストの復習
7.3 線形損失関数の追加
7.3.1 期待収益の解析
7.3.2 A/B テストへと拡張する
7.4 コンバージョン以上の情報を得るために: t 検定
7.4.1 t 検定の手順
7.5 増加量の推定
7.5.1 それでも点推定が必要なときは
7.6 おわりに

用語集
欧文索引
和文索引
続きを読む もっと少なく読む

よく一緒に購入されている商品

¥3,520
最短で5月14日 火曜日のお届け予定です
残り9点(入荷予定あり)
この商品は、Amazon.co.jpが販売および発送します。
+
¥3,740
最短で5月14日 火曜日のお届け予定です
残り16点(入荷予定あり)
この商品は、Amazon.co.jpが販売および発送します。
+
¥3,960
最短で5月14日 火曜日のお届け予定です
残り7点(入荷予定あり)
この商品は、Amazon.co.jpが販売および発送します。
総額:
当社の価格を見るには、これら商品をカートに追加してください。
ポイントの合計: pt
詳細
追加されました
これらの商品のうちのいくつかが他の商品より先に発送されます。
一緒に購入する商品を選択してください。

商品の説明

出版社からのコメント

◆電子版が発行されました/詳細は,森北出版webサイトにて

著者について

広島大学 准教授 博(工)

登録情報

  • 出版社 ‏ : ‎ 森北出版 (2017/4/6)
  • 発売日 ‏ : ‎ 2017/4/6
  • 言語 ‏ : ‎ 日本語
  • 単行本(ソフトカバー) ‏ : ‎ 249ページ
  • ISBN-10 ‏ : ‎ 4627077912
  • ISBN-13 ‏ : ‎ 978-4627077911
  • 寸法 ‏ : ‎ 15.7 x 1.5 x 22.2 cm
  • カスタマーレビュー:
    4.3 5つ星のうち4.3 20個の評価

著者について

著者をフォローして、新作のアップデートや改善されたおすすめを入手してください。
玉木 徹
Brief content visible, double tap to read full content.
Full content visible, double tap to read brief content.

著者の本をもっと発見したり、よく似た著者を見つけたり、著者のブログを読んだりしましょう

カスタマーレビュー

星5つ中4.3つ
5つのうち4.3つ
20グローバルレーティング

この商品をレビュー

他のお客様にも意見を伝えましょう

上位レビュー、対象国: 日本

2017年5月12日に日本でレビュー済み
エンジニアの方をメインダーゲットとしたベイズ推論の入門書。

訳は自然でわかりやすい。

数学の知識が浅くても読めるようになっている。

訳注などの翻訳者の方の補足がすばらしい。
非常に基礎的な数学のところで、原書でも説明が無いところでも説明を入れてくれている。

数学は詳しくないものの、Pythonでデータ分析作業をしている方などにおすすめ。

逆に、数学の知識が豊富で、Pythonをほとんど触ったことがない方にとっては、numpyだったりmatplotlibだったりの書籍内で使われるライブラリの説明は少ないのでつらい印象。

原書のレビューで、低評価が付いていた、各種バージョンなどの環境面は、訳者の方が明示してくれている。

また、Python3に対応しているので、2.7などに抵抗がある方でも問題は無い。

コードの実行はjupyter前提になっているので、慣れている環境だったのでコードを試すのも楽で、そこも良かった。
42人のお客様がこれが役に立ったと考えています
レポート
2019年1月4日に日本でレビュー済み
Amazonで購入
この訳本の責任ではありませんが、本家サイトがpymc3対応したことにより、かなりコードが替わっているように感じます。
もちろんpymc2のnotebookファイルも含まれているのでそちらを読み込めばこの書籍と大凡一致したコードで読むことができますが、最新のものを使おうとすると全然一致せず参考になりません。
さらに、pymc3を使わず、numpyやscipyを多用するようになってしまったので、pymc3すら主眼なのかどうか・・・、という感じに変貌しているようです。
12人のお客様がこれが役に立ったと考えています
レポート
2019年7月13日に日本でレビュー済み
Amazonで購入
他のレビューでも指摘されているように、この本で使用しているのはPyMCで、より新しいPyMC3ではない。
実際にデコレーターが使われなくなるなど使い方が変更されたことが多い。
そのため、別の本を購入することとなったのだが、そのため本書と比較することができた。こちらの本の方ずっと概念が分かりやすい。
ベイズ推論の考え方を学ぶには、こちらの方がしっくり来た。最初にその別の本から読み始めていたら、同じ理解は得られなかったかもしれない。
9人のお客様がこれが役に立ったと考えています
レポート
2017年7月11日に日本でレビュー済み
これまでベイズ統計の解説本を何冊か読んだがイマイチすっきりしなかった。この本で python のコーディングを見ていろいろ腑に落ちた。

こんな人向け
・ベイズ関連の基礎知識がある
・pythonのコードが読める
15人のお客様がこれが役に立ったと考えています
レポート
2017年5月31日に日本でレビュー済み
難解なMCMCがPythonで手軽に扱えるようになります。…
5人のお客様がこれが役に立ったと考えています
レポート
2019年3月8日に日本でレビュー済み
Pythonによるベイズ推論のモンテカルロ計算の解説本です。特徴がある本なのですが、ベイズ推論の説明はユーザー目線が強すぎてバランスを欠いている部分があると感じました。(例えば共役事前分布は無意味と言っている部分)。また、購入時点ではこの本以外にほとんど選択肢がありませんでしたが、2019年現在ではツール(Python2+PyMC)がそろそろ賞味期限切れかもしれません。
5人のお客様がこれが役に立ったと考えています
レポート