ガウス過程と機械学習 (機械学習プロフェッショナルシリーズ)

この本について

モデルを作っていて、「結局このデータ、どんな形で説明できるんだろう…？」みたいなモヤモヤがずっとつきまとっていました。線形モデルだと割り切れないし、かといって複雑なニューラルネットに逃げると仕組みが見えなくなる。そんな中でガウス過程の話を聞いても、言葉だけが先行して全体像がつかめない時期が長かったです。 この本が助かったのは、ガウス過程が“関数そのものを確率として扱う”という発想を、数式の前にちゃんと腑に落ちる形で説明してくれたところでした。無限次元のガウス分布をどう扱うのか、カーネルがなぜ「似ている点は似た値をとる」ことを保証するのか、そしてリッジ回帰とのつながりまで含めて、人間の直感と線でつないでくれる感じがあります。非線形を扱えるといっても魔法ではなく、「基底関数を無限に並べた線形モデル」として捉えると、急に手触りが出てきました。 もうひとつ大きかったのは、ガウス過程を“ノンパラメトリックなベイズ推定の一形態”として、確率的にどう成立しているのかを丁寧に追ってくれる点です。共分散行列が正定値である必然性や、多変量ガウスの性質が回帰の挙動にどう響くのかがわかると、予測の「広がり」をどう読むべきかも見えてきます。単に精度を上げるためではなく、「不確かさをどう扱うか」が自分の中で整理されました。 数式は多めですが、概念のつながりを気にしながら読みたい人には向いています。機械学習のモデル化に“手触り”を求めている人には特に刺さる一冊でした。