Table of Contents
はじめに
- Bishop’s book “Pattern Recognition and Machine Learning”の内容をベースにPythonを用いて本の主張を確認していくノートとなります
- ソースコードはGitHub > RyoNakagami/PatternRecognitionMachineLearning
- ちょっと本の設定と異なるコードを回している箇所があります
Bishop, PRML, 第一章ノート
Appendix
演習問題1.1: 解答
Loss functionは以下,
\[\begin{align*} f(\mathbf w) &= \sum^{N}_{n=1} (X_n^T\mathbf w - t_n)^2\\ &= \sum^{N}_{n=1} (\sum_{j=0}^Mx_n^jw_j - t_n)^2 \tag{A-1} \end{align*}\](A-1)を$w_i$についてFOCを取ると、
\[\begin{align*} &\frac{\partial f}{\partial w_i}(\mathbf w)\\ &= \sum^{N}_{n=1}(\sum_{j=0}^Mx_n^jw_j - t_n)x_n^i\\ &\Rightarrow \sum^{N}_{n=1}x_n^i\sum_{j=0}^Mx_n^jw_j = \sum^{N}_{n=1}x_n^it_n \quad\quad\tag{A-2} \end{align*}\](A-2)より
\[\sum_{j=0}^M(\sum^N_{n=1}x_n^{j+1})w_j = \sum^{N}_{n=1}x_n^it_n\]■
演習問題1.2: 解答
考え方は演習問題1.1と同様だが(A-2)が以下のように変形されます
\[\begin{align*} &\frac{\partial f_{ridge}}{\partial w_i}(\mathbf w)\\ &= \sum^{N}_{n=1}(\sum_{j=0}^Mx_n^jw_j - t_n)x_n^i + \lambda w_i\\ &\Rightarrow \sum^{N}_{n=1}x_n^i\sum_{j=0}^Mx_n^jw_j + \lambda w_i = \sum^{N}_{n=1}x_n^it_n \quad\quad\tag{A-3} \end{align*}\](A-3)より
\[\sum_{j=0}^M(\sum^N_{n=1}x_n^{j+1})w_j + \lambda w_i = \sum^{N}_{n=1}x_n^it_n\] \[I_{ij} = \begin{cases}1 & \ \ \text{ where } i = j\\ 0 & \text{ otherwise }\end{cases}\]と定義すると
\[\sum_{j=0}^M(\sum^N_{n=1}x_n^{j+1} + \lambda I_{ij})w_j = \sum^{N}_{n=1}x_n^it_n\]■
演習問題1.3
選んだ箱を表す確率変数を $B = {r, b, g}$, 選んだフルーツを表す確率変数を $F = {o, a, l}$とします.
\[\begin{align*} Pr(F = a) &= \sum_{i \in \{r, b, g\}} Pr(B = i)Pr(F = a| B = i)\\ &= 0.3\times 0.2 + 0.5\times 0.2 + 0.3\times 0.6\\ &= 0.34 \end{align*}\] \[\begin{align*} Pr(B = g|F = o) &= \frac{Pr(F = o|B = g)Pr(B = g)}{Pr(F = o)}\\ &= \frac{0.3\times 0.6}{0.36}\\ &= 0.5 \end{align*}\]演習問題1.5
とある分布に従う確率変数$x$の関数$f(x)$について、その期待値を$E[f(x)]$としたとき、いかが成立する:
\(\begin{align*} var[f] &= E[(f(x) - E[f(x)])^2]\\ &= E[f(x)^2] + E[f(x)]^2 - 2E[f(x)]E[f(x)]\\ &= E[f(x)^2] - E[f(x)]^2 \end{align*}\)
References
統計
Python
math
Linux
Ubuntu 20.04 LTS
Shell
English
git
Ubuntu 22.04 LTS
方法論
統計検定
競技プログラミング
フーリエ解析
前処理
SQL
coding
将棋
Data visualization
Network
statistical inference
VSCode
apt
システム管理
Coffee
Docker
Econometrics
GitHub Pages
cloud
数値計算
素数
Book
Font
Metrics
Poetry
architecture
aws
shell
ssh
systemctl
テンプレート
データ構造
ポワソン分布
会計分析
文字コード
環境構築
論文
App
Bayesian
Dynamic Programming
Keyboard
Processing
R
Steam
filesystem
regex
(注意:GitHub Accountが必要となります)