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

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。

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。

• 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。