AI・データサイエンスに関する数学・活用法を学べる解説書「データサイエンス数学ストラテジスト」上級の公式テキストを日経BPから10月7日に発行

,最小二乗法
2-9 複数の変数での関係を表現する～重回帰分析
2-10 確率で予測する～ロジスティック回帰,対数オッズ
2-11 モデルの複雑さを評価する～バイアス・バリアンス分解(トレードオフ)
2-12 過学習を防ぐ～ラッソ回帰とリッジ回帰
2-13 機械学習のモデルを評価する～混同行列(正解率,適合率,再現率,F値)
2-14 モデルの評価をグラフ化する～ROC曲線(AUC)
2-15 木構造で予測する～決定木,ランダムフォレスト
2-16 決定木を評価する～不純度(ジニ係数,エントロピー)
2-17 親と子のエントロピーを比較し,最適な分け方を考える～情報利得
2-18 近くのデータを使って予測する～k-NN(k近傍法)
2-19 データをきれいに分割する～サポートベクターマシン
2-20 条件付きでの最適化問題～KKT条件(ラグランジュの未定乗数法)
2-21 データをグループに分ける～k-means(k平均法)
2-22 利用者に合わせて推薦する～レコメンデーション
2-23 データの次元を減らす～主成分分析
コラム 論文を探す

第3章 アルゴリズム関連
～アルゴリズム・プログラミングに必要な数学リテラシー～
3-1 効率のよい処理手順を考える～アルゴリズムとプログラム
3-2 アルゴリズムの良し悪しを評価する～計算量
3-3 アルゴリズムやプロセスを可視化する～フローチャート
3-4 コンピューターで数値を扱う～2進数と16進数,浮動小数点数
3-5 データの保存や通信時に扱う情報の単位～ビット,バイト
3-6 音声や写真などのデータをデジタルに変換～標本化,量子化,符号化
3-7 コンピューターで扱うデータのエラーを訂正する～誤りの検出・訂正
3-8 コストの少ない経路を選ぶ～最短経路問題
3-9 条件を満たす組み合わせを考える～組み合わせ最適化問題
3-10 探索を早めに打ち切って高速化する～枝刈り
3-11 木構造から目的のデータを探す～幅優先探索と深さ優先探索
3-12 小さな問題に分解して考える～漸化式と動的計画法,メモ化
3-13 重複することを使って調べる～鳩の巣原理
3-14 文字列の間の距離を調べる～ハミング距離，編集距離(レーベンシュタイン距離)