読者です 読者をやめる 読者になる 読者になる

みらいテックラボ

音声・画像認識や機械学習など, 管理人が興味のある技術の紹介や実際にトライしてみた様子などメモしていく.

「実践 機械学習システム」の紹介

最近の機械学習について知ろうと思い, 「実践 機械学習システム」(Willi Richert著, 他)を少し前に購入し, 読んでみた.

 目 次

1章 Pythonではじめる機械学習

2章 実例の対象とした分類法入門

3章 クラスタリング:関連のある文書を見つける

4章 トピックモデル

5章 クラス分類:悪い回答を判別する

6章 クラス分類II:感情分析

7章 回帰:レコメンド

8章 回帰:レコメンドの改良

9章 クラス分類III:音楽ジャンル分類

10章 コンピュータビジョン:パターン認識

11章 次元削減

12章 ビッグデータ

 

いろいろなテーマを取り上げ, 機械学習について,

・どのようにやるかを知ることができる.

・なぜそのようにやるかを知ることができる.

Pythonのサンプルコードがあり, 試しながら読むことができる.

という点では, なかなか良い感じ.

ただ, 初版ということもあり誤字・脱字が多く, 書籍の品質という面ではイマイチ.

 

以下に, 初版第4刷の正誤表を気付いた範囲で載せておく.

p.146 22-23行目結果は5.6になり、先ほどの値(4.6)より結果は5.9になり、先ほどの値(4.7)より

ページ
p.12 図1-1
データ2行目
[本]
2 nan
[File]
2 1656]
p.12 >>> print(data,[:10])
出力2行目
[本]
[ 2.00000000e+00 nan]
[実行結果]
[ 2.00000000e+00 1.65600000e+03]
p.13 >>> sp.sum(sp.isnan(y)) [本] 8 [実行結果] 0
p.46 3.1.1から12行目 編集距離は5と 編集距離は6と
p.47 表3-1 now how
p.96 5.4 最終行 k近傍方 k近傍法
p.126 下から4行目 もしあるツイートにに もしあるツイートに
p.128 6.4.3から2行目 それついては時間を それについては時間を
p.128 6.4.3から18行目 スムージングについてを検証するため スムージングについて検証するため
p.129 下から9行目 metric.accuracy metrics.accuracy
p.145 7.1.1のコード5行目 x = np.array([np.concatename(v, [1]) for v in boston.dat]) x = np.array([np.concatename*1 for v in boston.dat])
p.146 8行目 結果は前と同じ4.6に 結果は前と同じ4.7に
p.146 12行目 from sklearn.cross_validation import Kfold from sklearn.cross_validation import KFold
p.146 22-23行目 結果は5.6になり、先ほどの値(4.6)より 結果は5.9になり、先ほどの値(4.7)より
p.148 8行目 訓練誤差は5.0(前は4.6)に 訓練誤差は5.0(前は4.7)に
p.148 9行目 誤差は5.4(前は5.6)に減少しました。 誤差は5.5(前は5.9)に減少しました。
p.152 11行目 場合がよくありあますが 場合がよくありますが
p.180 9.4.3から6行目 私たちはは6つの 私たちは6つの
p.183 下から4行目 6つのグラフになます 6つのグラルになります
p.189 9.6から3行目と5行目 MFC MFCC
p.203 中段の説明 分類のことをパターン認識(pattern recognition)と呼ばれるようになりました 分類のことをパターン認識(pattern recognition)と呼ぶようになりました
p.209 14行目 始めて論文で提案されたの2004年です 初めて論文で提案されたのは2004年です
p.224 11.3から3行目 ラッパー法と混合しない ラッパー法と混同しない
p.246 5行目
p.248 8行目, 9行目, 13行目
インスタン インスタンス

注) 記載してあるデータとダウンロードしたデータとに一部齟齬があり, 他にも実行結果の数値が異なる場合があるかも...

----

 

深層学習 (機械学習プロフェッショナルシリーズ)

深層学習 (機械学習プロフェッショナルシリーズ)

 

 

 

 

深層学習: Deep Learning

深層学習: Deep Learning

 

 

 

 

ITエンジニアのための機械学習理論入門

ITエンジニアのための機械学習理論入門

 

 

 

 

ディープラーニング、ビッグデータ、機械学習  あるいはその心理学

ディープラーニング、ビッグデータ、機械学習  あるいはその心理学

 

 

*1:v, [1]