テキスト

• Pythonで体験するベイズ推論，キャメロン・デビッドソン=ピロン著，森北出版．原書PDF版
• scikit-learnとTensorFlowによる実践機械学習，Aurélien Géron著，O'Reilly Japan．PDF版

開発環境の構築は『scikit-learnとTensorFlowによる実践機械学習』のp.40--43を参照してください．

Python参考書

1. いちばんやさしいPythonの教本 — 開発環境の構築から実際のプログラミングまでバランスよく記述されている入門書で，プログラミング未経験者の独学に適しています．学内用電子書籍
2. Python チュートリアル — 公式チュートリアルを一通り終えればPythonをマスターできます．
3. Fluent Python — Pythonicな思考とコーディング手法 — さらに上級を目指す人にお薦めの本です．PDF版

Pythonで体験するベイズ推論

• GitHubリポジトリ — 原書の原稿がJupyterノートブック形式で公開されています．

scikit-learnとTensorFlowによる実践機械学習

• GitHubリポジトリ — 原書の原稿がJupyterノートブック形式で公開されています．

APIレファレンス

• SciPyドキュメンテーション
• SciPy API
• matplotlib API
• NumPy API
• Pandas

ベイズ統計の基礎とベイズ推論の考え方

• 講義ノート Part 1．（講義スライド）
• 講義ノート Part 2．（講義スライド）

例題: メッセージ数に変化はあるか？

• 講義ノート（スライド）

モデリングのアプローチ

• 例題: カンニングした学生の割合
• 例題: スペースシャトル「チャレンジャー号」の悲劇

このモデルは適切か？

• セパレーションプロット

テストと検証

テキストp.30には訓練データ80%，テストデータ20%に分けるとあるが，学習器の訓練中（アルゴリズムやハイパーパラメータの選定）のモデル評価に使うデータと，最終的な予測性能の見積もりに使うデータは分けるのが望ましい．一般には，学習器の訓練中に使う「訓練データセット」と，訓練中のモデル改善評価に使う「検査データセット」，最後に１回だけ行うモデル性能評価に使う「テストデータセット」の３つに分割する．その割合は順に，50%，25%，25%に分割するのが一般的．

エンドツーエンドの機械学習プロジェクト

• 講義ノート @Kaggle