弱教師あり学習を学ぶおすすめ本3選

弱教師あり学習の本は、理論を深く学ぶものから実装やデータ処理に取り組むものまで幅があり、どれを選べばよいか迷いますよね。

二値・多クラス分類、Snorkelによるラベリング、少ないラベルからの学習など、確認できた扱う範囲を見比べると、自分の学び方に合う一冊を選びやすくなります。

今回は、弱教師あり分類の理論書、Snorkelを使う実践書、確率的機械学習の第II巻の3冊をまとめます。

商品名	対象読者	弱教師あり学習の扱い	分冊構成	ページ数
Machine Learning from Weak Supervision: An Empirical Risk Minimization Approach	実務者・研究者	二値分類（PU・PNU・UU）、多クラス分類（CL・PL）、ERM	—	320ページ
Practical Weak Supervision: Doing More With Less Data	データサイエンティスト・エンジニア	Snorkelのデータプログラミング、テキスト・画像分類、Sparkを使ったラベリングのスケール	—	190ページ
確率的機械学習：入門編 II ―非線形モデル―	機械学習に興味がある人／データサイエンスやAIの基礎を学びたい人	第19章「より少ないラベルありデータからの学習」の19.7「弱教師あり学習」	全訳（2分冊）の第II巻	420ページ

Machine Learning from Weak Supervision: An Empirical Risk Minimization Approach

弱教師あり分類の基礎理論と実用アルゴリズムを学びたい実務者・研究者には、『Machine Learning from Weak Supervision: An Empirical Risk Minimization Approach』がおすすめです。弱教師あり分類の参考資料を探している人にも、この本がおすすめです。

経験リスク最小化（ERM）に基づくアプローチを重視し、弱教師あり分類の理論と実用アルゴリズムを扱います。ERMフレームワークを軸に学びたい人なら、理論とアルゴリズムの両方を確認しやすい内容です。

二値分類ではPU・PNU・UU分類、多クラス分類では補完ラベル（CL）分類と部分ラベル（PL）分類を扱います。複数の弱教師あり分類方式を個別に学びたい人におすすめです。

Machine Learning from Weak Supervision: An Empirical Risk Minimization Approach

データサイエンティストやエンジニアで、弱教師あり学習モデルを使った製品作成を学びたい人には、『Practical Weak Supervision: Doing More With Less Data』がおすすめです。

弱教師あり学習の導入に加え、Incomplete Supervision、Inexact Supervision、Inaccurate Supervision、Data Programmingを扱い、Snorkelをデータプログラミングのフレームワークとして取り上げます。

テキストデータセット1つと画像データセット1つを扱うほか、弱ラベル付きデータセットを使ったテキスト分類と画像分類も扱います。

さらに、より大きなデータセットを対象に、ラベリング関数を複数のマシンに分散する内容もあり、Apache SparkやSparkクラスターでラベリングをスケールさせるところまで扱っています。

Intermediate to advanced向けで、英語の書籍です。

Practical Weak Supervision: Doing More With Less Data

弱教師あり学習を、より少ないラベルありデータからの学習や確率的機械学習の関連テーマとあわせて学びたい人には、『確率的機械学習：入門編 II ―非線形モデル―』がおすすめです。

第II巻では、深層ニューラルネットワークやノンパラメトリックモデルも扱います。

本書は原著の全訳で、2分冊の第II巻にあたり、第I巻で学んだ基礎数学、確率・統計の基礎、線形モデルに続く内容です。第I巻に続けて、2分冊を通して学びたい人には本書がおすすめです。

第19章「より少ないラベルありデータからの学習」では、データ拡張、転移学習、半教師あり学習、能動学習、メタ学習、少数ショット学習と並んで、19.7「弱教師あり学習」を収録しています。

機械学習に興味がある人、データサイエンスやAIの基礎を学びたい人、実践的な演習を通じて学びたい人を対象とした本です。

確率的機械学習：入門編 II ―非線形モデル―

弱教師あり分類の基礎理論と実用アルゴリズムを学びたい実務者・研究者
- Machine Learning from Weak Supervision: An Empirical Risk Minimization Approach
弱教師あり学習モデルを使った製品作成を学びたいデータサイエンティスト・エンジニア
- Practical Weak Supervision: Doing More With Less Data
弱教師あり学習をより少ないラベルありデータからの学習や確率的機械学習の関連テーマとあわせて学びたい人
- 確率的機械学習：入門編 II ―非線形モデル―