PRML第1章と併せて読みたい記事まとめ
始めに
PRMLの第1章を読んでいて、内容が分からない部分を適宜、先人の記事を参考にさせていただいてました。
今から紹介する記事を併用して読み進めていけば、より理解が深まる記事にしていきたいと思います。
それに自分が復習するときにまた記事を調べなくていいですからね。
ターゲット
大学で統計学と確率の授業を履修していた人
機械学習って名前だけ流行してるけど実際何やってるのか気になる人
これから機械学習を使って何か作ってみたい人
1章 序論
P1 ルールと機械学習のアプローチの違いを理解する。
P2 教師あり学習と教師なし学習の違いをさらに理解する。
おまけ : p3 強化学習をもう少し勉強してみたい人へ ブロック崩しの動画とか有名です。
1.1 多項式曲線フィッティング
P9 正則化(正規化ではない)で出てくるノルム
ノルム - Wikipedia
1.2 確率論
P14 ベイズの定理についてもう少し詳しく知る
1.2.4 ガウス分布
P25 2次のモーメントとは モーメント (確率論) - Wikipedia
期待値μは, 1次のモーメント に等しい。分散 σ2 は、2次のモーメント m1, m2 で表すことができる。
1.2.5~1.2.6
こちらの記事がほとんど網羅しており、とても参考になりました。
1.3 モデル選択
確認用集合とテスト集合の違い
1.4 次元の呪い
次元の呪いは「サクサクメロンパン問題」とも言うようです。 高次元空間では体積は表面に集まると言われてもイメージがまるで湧きませんでしたが、これを読むとなんとか飲み込むことができました。
1.5 決定理論
決定理論の具体的な手法例 決定理論<決定理論とゲームの理論<オペレーションズ・リサーチ<Web教材<木暮仁
1.5.5 回帰のための損失関数
損失関数の種類 交差エントロピーと二乗誤差がよく使われるみたいですね。
1.6 情報理論
ラグランジュの未定乗数法
付録より分かりやすかったです。
最後に
読み始める前のイメージよりPRMLは読みやすいなと思いました。多分1章だからだと思いますが。 2章はまた読み終わったらまとめます。
機械学習について知るためにPRML読み始めました
なんで読むのか
機械学習って実際なにかよくわからないからです。 あとは、機械学習の技術を使って、購買予測や売り上げ要因分析の精度をあげれるのではないかと考えているからです。
他には、大学在学中にアカデミックなこともある程度勉強し、理系出身としてきちんと論文も書けるようになっておきたいからです。 今はTeXの書き方すらも忘れてますが。。。
第一印象
数学の教科書。 数式がかなり出現してきて、僕は、2時間で10ページしか進めません。こつこつやります。
最低でも、数学3Cの知識と共分散、標準偏差などの概念は理解できておいたほうが読みやすいです。 あと数式を見たときに拒否反応出る人には向いてません。すぐに閉じましょう。
注意点
わからないところはなくすくらいの勢いで勉強すること。 一度飛ばし始めると飛ばす癖がついて、わかった気のまま理解できず最終ページを迎えることになるでしょう。
自分の中できちんと区切りをつけながら読み進めていくこと。 それぞれの説明を分かりやすくするために、説明の流れが断片的であることがあることがある。 どこまでがどの説明なのか、どこまでが繋がっているのか自分で判断しながら読み進めていく。