著者の一言

のっけから失礼しますが、機械学習をなんのために勉強しますか？ おもしろそうだから、という人もいるでしょうが、ほとんどの人は現実の解きたい問題に応用するためですよね。
何かを応用できる形で身につけたいとき、ひたすら「こういうときはこうする」を覚えるという手があります。実際、教科書や問題集に載っているような問題なら、「こういうときはこうする」でだいたい解けるでしょう。
しかし現実の問題はパターンもデータも千差万別、算数のドリルのようには解けません。しかも本書でのちほど説明するとおり、機械学習には正解なんかありません。100点満点の答えが存在しないからこそ、「なぜその方法で解いたのか」「なぜそんな計算ができるのか」は重要です。
もう少し具体的に言うと、機械学習そのものやそのモデル・アルゴリズムがその形になっている成り立ちや動機を知り、「機械学習がそんなことをしたい、してもいい理由（わけ）」を把握することで、今解きたい問題に機械学習を使うにはどうしたらよいか、どこを変えると性能を上げられる可能性があるか、そもそも機械学習を使わないほうがいいか（！）という判断ができるようになります。
とはいえ、機械学習のモデルは無数にあり、すべてのモデルがそれぞれの理由を持っています。そのすべてを紹介することは不可能ですが、機械学習の理由を組み立てるパターンは実はそんなに多くありません。この「機械学習の理由を組み立てるパターン」が本書のテーマ、機械学習の「理屈」と呼んでいます。
機械学習の「理論」とどう違うの？ という疑問もあるかもしれませんね。機械学習の理論とは、体系付けられた知識と、それをもとに「こうあるべき」を分析したものです。平たく言うと、「機械学習は何ができるのか、何ができないのか」を明らかにするのが理論の仕事であり、機械学習を安心して使うためにとても重要です。「機械学習でそうするべき理由」は理論で説明できますが、本書のターゲットである「そうしたい理由」は説明できません。
この本は機械学習を身につける早道ではありませんが、機械学習をこれから勉強しようとしている人、機械学習を勉強してみたけど「なぜこんなことをするんだろう」というモヤモヤを抱えている人には、機械学習の理由（わけ）や理屈という「急がば回れ」はきっとよく効くと思います。