Pythonで動かして学ぶ！あたらしい機械学習の教科書　

付属データはこちら

会員特典はこちら

書籍の購入や、商用利用・教育利用を検討されている法人のお客様はこちら

図書館での貸し出しに関するお問い合わせはよくあるお問い合わせをご確認ください。

利用許諾に関するお問い合わせ

本書の書影（表紙画像）をご利用になりたい場合は書影許諾申請フォームから申請をお願いいたします。
書影（表紙画像）以外のご利用については、こちらからお問い合わせください。

お問い合わせ

内容についてのお問い合わせは、正誤表、追加情報をご確認後に、お送りいただくようお願いいたします。

正誤表、追加情報に掲載されていない書籍内容へのお問い合わせや
その他書籍に関するお問い合わせは、書籍のお問い合わせフォームからお送りください。

• reshapeの記法

  本書のP.143のリストなどで
  
  reshape(xx0,xn*xn,1)
  
  という形で記載しています。
  
  本来の記法にのっとれば
  
  reshape(xx0, xn*xn)
  
  となります。

• 補足情報　P.220 リスト6-1-(5)のコードについて

  P.220 リスト6-1-(5) 上から、6行目にある、
  
  ------------------------
  for n in range(len(y)):
  cee = cee - (t[n] * np.log(y[n]) + (1 - t[n]) * np.log(1-t[n])
  cee = cee / N_n
  ------------------------
  
  のコードについて、「以下のように考えることもできるのでは？」というお問い合わせがありました。
  
  ------------------------
  for n in range(len(y)):
  cee = cee + (t[n] * np.log(y[n]) + (1 - t[n]) * np.log(1-t[n])
  cee = - cee / N_n
  ------------------------
  
  なぜそうしなかったのか、その理由を説明します。
  
  上記の2つのコードで計算される値はどちらも変わりませんし、たしかに下のコードのほうが式 6-17 と照らし合わせると、しっくりとくるかもしれません。
  
  筆者が本書で書いた理由は、マイナスをつけた、
  
  - (t[n] * np.log(y[n]) + (1 - t[n]) * np.log(1-t[n])
  
  という量が、1つ1つのデータの交差エントロピー誤差に対応するためです。
  このように書くことで、「1つ1つのデータの交差エントロピー誤差を平均したものが、
  全体の交差エントロピー誤差になる」という意味を残せると思ったからです。
  このような書き方は、P.236 リスト6-2-(9) でもしています。

• 図6.6　ロジスティック回帰モデル　図の下の説明の補足

  図6.6　ロジスティック回帰モデル　図の下の説明の補足「シグモイド関数を通した直線は、0と1の範囲につぶされる。直線が0の値をとる点は、その中間の0.5の値となる。」の箇所の補足説明です。
  
  　シグモイド関数を通した直線は、0と1の範囲につぶされます。
  　直線が（縦軸のメモリが）0の値をとる点は、その （シグモイド関数の出力の0と1の範囲の） 中間の0.5の値となります。
  　例えば図6.6の一番下のグラフでは、直線は、x = 2 の時に縦軸が 0 となっています。この x = 2 のときに、シグモイド関数の出力は0.5 となります。
  

• Ｐ219　全角フォントについて

  下から7行目にある「式 6-16 に－１ を掛けたものを考えます。」の「－１」が全角フォントになっていますが、半角の「-1」となります。