Contenu connexe
Similaire à PATTERN RECOGNITION AND MACHINE LEARNING (1.1) (15)
Plus de Yuma Yoshimoto (6)
PATTERN RECOGNITION AND MACHINE LEARNING (1.1)
- 23. 23曲線フィッテイング
y(x, w) = w0 + w1x + w2x2
+ · · · + wM xM
=
MX
j=0
wjx
x, w) = w0 + w1x + w2x2
+ · · · + wM xM
=
MX
j=0
wjxj
.
:多項式の次数Mxj :x の j 乗
w = w0, . . . , wM
:多項式の係数(パラメータ)
モデル関数
- 28. M = 0 M = 3
M = 9M = 1
- 29. M = 0 M = 3
M = 9M = 1
M=0,1は
データに合わない
sin(2πx)が表現
出来ていない
不適切
- 30. M = 0 M = 3
M = 9M = 1
M=3は
よく当てはまっているように見える
適切
- 31. M = 0 M = 3
M = 9M = 1
不適切
M=9は、訓練データ(青丸)には
よく当てはまっている
しかし、sin(2πx)に対して無茶苦茶
過学習という
- 43. 43ここで…
y(x, w) = w0 + w1x + w2x2
+ · · · + wM xM
=
w0 + w1x + w2x2
+ · · · + wM xM
=
MX
j=0
wjxj
.
:多項式の次数 (order)M
xj :x の j 乗
w = w0, . . . , wM :多項式の係数
次数とは係数(=パラメータ)の数
次数を減らす = パラメータを減らす
- 52. E(w) =
1
2
NX
n=1
y(xn, w) tn
2
+
2
|| w ||2
52正則化した誤差関数
誤差関数を小さくするため罰金項を
小さくしないといけない
|| w ||2
⌘ wT
w = w2
0 + w2
1 + · · · + w2
M
パラメータが小さくなる!!
- 61. 611.1 問題
関数 y(x,w) が多項式(1,1)で与えられた時の、
(1,2) の二乗和誤差関数を考える。
この誤差関数を最小にする係数 w={wi}は
以下の線形方程式の解として与えられることを示せ。
MX
j=0
= Ti
ただし
Aij =
NX
n=1
(xn)i+j
Ti =
NX
n=1
(xn)i
tn
- 62. 621.1 解答
y(x, w) = w0 + w1x + w2x2
+ · · · + wM xM
=
MX
j=0
wjx
+ w1x + w2x2
+ · · · + wM xM
=
MX
j=0
wjxj
.
モデル関数
E(w) =
1
2
NX
n=1
{y(xn, w) tn}2
誤差関数
…(1.1)
…(1.2)
- 67. 671.2 問題
正則化された二乗和誤差関数 (1.4) を最小にする
係数 wi が満たす、(1.122) に類似した線形方程式系を
書き下せ。
E(w) =
1
2
NX
n=1
y(xn, w) tn
2
+
2
|| w ||2
…(1.4)
MX
j=0
Aijwj = Ti …(1.122)
Aij =
NX
n=1
(xn)i+j
Ti =
NX
n=1
(xn)i
tn、
なお
- 68. 681.2 解答
y(x, w) = w0 + w1x + w2x2
+ · · · + wM xM
=
MX
j=0
wjx
+ w1x + w2x2
+ · · · + wM xM
=
MX
j=0
wjxj
.
モデル関数
…(1.1)
- 70. 701.2 解答
ここで、w = wi = {w0, w1, . . . , wM } だから
はwi wj の要素の1つである。よって、
y(x, w) = w0 + w1x + w2x2
+ · · · + wM xM
=
MX
j=0
wjxj
より次が成り立つ
y(xn, w) = w0 + w1x1
n + w2x2
n + · · · + wM xM
n =
MX
j=0
wjxj
n
これを wi で微分すると
dy(xn, w)
dwi
= xi
n
となる
- 71. 711.2 解答
dE(w)
dwi
=
1
2
⇥ 2
NX
n=1
(
MX
j=0
wjxj
n tn)
d
dwi
(
MX
j=0
wjxj
n tn) + 2 ⇥
2
wi
(前々ページより)
dy(xn, w)
dwi
= xi
n (前ページより)
=
NX
n=1
(
MX
j=0
wjxj
n tn)xi
n + wi = 0
NX
n=1
(
MX
j=0
wjxj
n tn)xi
n = wi
NX
n=1
MX
j=0
wjxi+j
n =
NX
n=1
tnxi
n wi