統計的学習の基礎（The Elements of Statistical Learning）

なぜ良書か

機械学習の入門は「scikit-learn でこう書く」式が多く、手法の“意味”が抜け落ちがちだ。『統計的学習の基礎』（ESL）は逆に、各手法が統計の論理の上でなぜ成り立つのかを一貫して説明する。線形回帰から正則化、決定木、ブースティング、教師なし学習まで、ばらばらに見える手法が「統計的学習」という一枚の地図に整理される。確かに難しく、線形代数・微積分・数理統計の素地が要る。だが文系であっても、統計の土台（久保川等）を踏んでから挑めば登れる。“計算できる”を超えて“理解している”に到達するための一冊。

何が学べるか

• 教師あり学習（回帰・分類）の統計的な基礎
• 正則化・モデル選択・バイアス‐バリアンス
• 木・ブースティング・教師なし学習などの手法とその論理

対象読者と難易度

• 難易度：発展（高い）。 線形代数・微積分・数理統計が前提。
• 機械学習を意味から理解したい人の到達点。挑む前に 機械学習ロードマップ で前提を確認。

このロードマップでの位置

機械学習の理論を“意味から”理解するロードマップ の最終ステップ（発展）。