見出し画像

パターン認識と機械学習(PRML)の無料版と練習問題が試せる Jupyter Notebook

Sangmin Ahn

【主要なアップデート】
(2020.03.02)Colabノートブックへのリンク追加

こんにちは、Choimirai School のサンミンです。

0  はじめに

機械学習のテキストブックとして日本語にも訳されて多くの方に読まれているのが、Christopher Bishopさんの、PRML(Pattern Recognition and Machine Learning、2006年)です。

今回の note では PRMLのPDF版を無料でダウンロードする方法練習問題を試せる Jupyter Notebook を紹介させていただきます。

PRMLは修士課程以上を対象としてますのである程度パターン認識や機械学習を学んだ上で取り組むようにしてください。

It is aimed at advanced undergraduates or first-year PhD students, as well as researchers and practitioners.

機械学習が初めての方はまず、「Pythonではじめる機械学習」などで基礎を学ぶのも良いと思います。

日本語版ですと上下に分かれていて、買おうとすると合わせて15730円。しかし、英語版(8979円)ですと Kindle Unlimited でも読めますし、PDF版(758ページ)を無料でダウンロードすることも出来ます。

画像2

1  日本語版 (有料)

▼パターン認識と機械学習 上

▼パターン認識と機械学習 下

2  英語版 (有料)

▼紙のテキスト

3  英語版 (無料)

▼Kindle版

Kindle Unlimited の会員ですと無料で読むことが出来ます。

画像1

▼PDF版

下記のイメージをクリックしますとPDF版が開きます。

画像3

PDF版は758ページも…

画像4

4  Jupyter Notebook

PRML のアルゴリズムを Python で実行できるノートブックがありますのでこちらもぜひ参考にしてください。

練習問題は CH12(Continuous Latent Variables)までカバーしています。

画像5

5  Colabでのノートブック

自分のローカル環境で Jupyter が使えない方の為、Ch1. Introduction のノートブックを Colab に載せましたので参考にしてください。

上記のリンクをクリックしますと、次の画面が表示されますので、まずPRMLのモジュールをインストールしてから実行してください。

!pip install git+https://github.com/ctgk/PRML

インストールが終わった状態の画面です。

画像6

6  まとめ

人にもよると思いますが、機械学習やアルゴリズムの勉強は内容を自分のノートにまとめながら進めるとより理解が深まると思っています。

Far better results can be obtained by adopting a machine learning approach in which a large set of N digits {x1,..., xN } called a training set is used to tune the parameters of an adaptive model. The categories of the digits in the training set are known in advance, typically by inspecting them individually and hand-labelling them. We can express the category of a digit using target vector t, which represents the identity of the corresponding digit. Suitable techniques for representing categories in terms of vectors will be discussed later. Note that there is one such target vector t for each digit image x.

その意味でも、PDF版のテキストとJupyter のノートブックは「パターン認識と機械学習(PRML)」を理解する上で、貴重なリソースです。

この記事が気に入ったら、サポートをしてみませんか?
気軽にクリエイターの支援と、記事のオススメができます!