世界一詞在現代社會意為對所有事物的代稱。原本是佛教概念，由「世」和「界」組合而成的世界，即所謂由所有時間空間組成的萬事萬物。
維基百科紗耶香的房間① 紗耶香與女高中生小愛
紗：好久不見，小愛。上次碰面是在爺爺家吧？
愛：對啊，那個時候表姊妹都在嘛。
話說回來，紗耶姊，今天怎麼了嗎？
紗：今天……大學的學弟來請教機器學習，我就幫他稍微上了一下課，但不曉得他是不是真的聽懂……
我記得小愛在高中選擇理工組，所以想聽聽妳的看法。
愛：機器學習是指AI嗎？機器的智能，感覺好像很難。
紗：不過，機器學習的本質是根據資料建立數學模型，再由電腦來驅動這個模型唷。這個數學模型的基礎部分，大概高中生應該理解才對。
愛：我是有在天文部編寫過觀測用的程式，數學也是喜歡的科目，只有這些知識能夠理解嗎？
紗：小愛的話，沒問題的。
第一次上課講了迴歸問題，妳能聽聽看嗎？
愛：好吧。我就來聽聽這個困難的東西！
紗耶香的房間② 數學的複習①
紗：小愛到哪邊能夠聽懂？
愛：出現好多向量、矩陣耶。向量是用括號括住一排數字，二維向量是（a,b）、三維向量是（a,b,c），但 維向量我就不太清楚了……
紗： 在4以上後，無法想像該空間，的確會覺得比較難懂。不過，我們不用勉強想像空間，可簡單看作是許多數字排在一塊就行了。
愛：數字縱向排成的列向量有什麼意義嗎？
紗：沒有特別的意義，但這邊在排列複數特徵時，約定俗成會排成縱方向。機器學習會很常遇到矩陣和向量的乘法計算，矩陣從左側乘上列向量時，可用矩陣的積來表示矩陣的合成，相當便利。
愛：高中沒有教矩陣……。
紗：嗯……矩陣可以想成是數字排成四角型。
紗：雖然行列的定義在有些國家相反，但日本數學的定義是橫方向為行、縱方向為列。我是以行列漢字「右半部」兩條線的方向來記憶唷。
愛：原來如此！
紗：舉例來說，行方向有兩個數字、列方向有兩個數字，會稱為2行2列的矩陣。矩陣的加法是相加相同位置的數字，但乘法就比較麻煩了。
紗：相乘後矩陣第n行第m列的數值，是取出前面矩陣的第 行和後面矩陣的第m列，依行列數字出現的先後順序相乘，再把各乘積相加起來求得。
愛：這樣的話，如果前面矩陣的列數和後面矩陣的行數不同，就沒有辦法做乘法。
紗：是的。妳很清楚嘛。事先理解矩陣乘法的定義是 行 列的矩陣乘上j行k列的矩陣，計算結果為i行k列矩陣的話，就能夠輕鬆讀懂式子。
紗：接著，再了解轉置和反矩陣就沒問題了。矩陣x的轉置矩陣記作Xt，只是將矩陣的行列對調而已。
愛：可是，在式（1.1）是轉置向量w。
紗：向量可想成是矩陣的特殊情況，比如 維列向量可看作是 行 列的矩陣。
愛：啊，對唷。因為w是d行 列，wT會是 行d列，而 是d列 行，所以能夠計算wTx的乘法，結果為 行 列的矩陣……。
哎！ 行 列的矩陣，不就是普通的數字？
紗：是的。普通的數字稱為純量，wTx是純量、w0也是純量，兩者相加起來的 當然也會是純量。
愛：哼嗯哼嗯。
紗：然後，比較複雜的是式（1.8）出現的反矩陣（日文：逆行列）。矩陣A的反矩陣記作A-1。對了，小愛知道5的倒數（日文：逆數）嗎？
愛：倒數，是乘上該數結果為1的數，所以5的倒數是1/5嘛。
紗：是的。基本上，反矩陣也是相同的思維。在矩陣世界中，相當於1的矩陣稱為單位矩陣。單位矩陣是行數和列數相同的正方矩陣，一般記作I。矩陣裡面右斜對角線的元素為1，其餘的元素皆為0。
愛：為什麼單位矩陣相當於1呢？
紗：妳隨便找一個正方矩陣乘上單位矩陣看看。
結果是不是沒有改變呢？
愛：對唷。數字1也是任何數字乘上它不改變嘛。
紗： 行 列矩陣A的反矩陣A-1，可用下面的計算公式求得。而 行 列的反矩陣，通常會交由電腦來計算。
紗：這邊只要知道反矩陣A-1從左邊乘上原矩陣A，會變成單位矩陣I就行了。
紗：還有其他不懂的地方嗎？
愛：這個記號（Σ）。
紗：這是唸作Sigma的希臘文字，表示總和的記號。
w1x1+w2x2+…+wdxd可用Σ簡記為Σdi=1wixi。
愛：還有用向量對函數微分的地方不懂。
紗：嗚。這個……
下次再來說明，妳先把向量當作是普通的變數來微分。
愛：這樣的話就沒有了。我記得權重是用式（1.8）來求嘛。
紗耶香的房間③ 數學的複習②
愛：嗯……51頁的e是什麼？
紗：e？
啊啊，S型函數中出現的 啊。這是自然對數的底數，稱為尤拉數（Euler’s Number）。 是無限循環的無理數。
愛：對數是用來求以某數為底數的幾次方嘛。底數為2的話，就像決策樹的說明，表示該數轉為二進位數時的位數，但為什麼需要以奇怪的 為底數的「自然」對數呢？
紗：這個 具有非常方便的性質，比如微分 後還是 、logex的微分會是1/x等等。實際上，當我們反過來求具有這樣性質的數時，就會使用e唷。
愛：然後，53頁的向量微分。
紗：嗚嗚，不能再矇混過去了啊。那麼，我就認真講吧。
紗：這邊出現的誤差函數E(w)，如果改變模型的權重w值，最後的數值也會出現變化。誤差函數有複數個權重，所以是多變數函數。然後，將權重的集合表作向量後，誤差函數就是以向量為參數的函數。
| FindBook |
|
有 1 項符合
世界第一簡單機器學習的圖書 |
 |
$ 224 ～ 288 | 世界第一簡單機器學習【金石堂、博客來熱銷】
作者：荒木雅弘 ／ 譯者：衛宮紘 出版社：世茂出版有限公司 出版日期：2019-04-02 規格：224頁/15*21cmcm  共 11 筆 → 查價格、看圖書介紹
|
|
|
世界
圖書介紹 - 資料來源：TAAZE 讀冊生活 評分：
圖書名稱：世界第一簡單機器學習
適合研究者、工程師，
資訊、金融、教育、醫療業未來發展必需的參考指標，
在人工智慧研發、醫學診斷和機器人區域大展身手的第一本書！
涉及大量統計學理論，
讓人工智慧「自動學習」的演算法，
就是應用於電腦視覺、資料探勘、證券試場分析的機器學習。
搜尋引擎、語音及手寫辨識、戰略遊戲也能看到它的蹤跡。
透過預測、判斷、評估、排序，提高準確率！
打好機器學習基礎，工作從此事半功倍！
日本讀者好評推薦
真的很好懂。雖然需要有線性代數和偏微分的底子，但不需要實際計算，只要看懂基本概念就行了。書中有豐富的圖片和親切的說明，讓讀者容易吸收，非常推薦！──Masaru Kamata
是一本適合初學者的書。就連沒有機械學習知識的我也能理解整體概念。書末附上的索引在深入查詢時非常好用。漫畫部分鮮活的角色和情節也將內容的難度降低了。推薦給想了解機械學習的人。──JyunJyun
巧妙地將漫畫和工作書結合，讓人一讀就停不下來了。最大的優點是有附數學解說，也有舉出現實中的應用範例，讓讀者了解能應用的場合和方式。Q&A的部分能激發思考，加深理解。我會推薦這本書給學生看。──Танечка
作者簡介：
荒木 雅弘
1998年取得（工學）博士學位（京都大學）。
1999年曾任京都工藝纖維大學工藝學系助理教授。
2007年起任職京都工藝纖維大學工藝科學研究科副教授。
〈著作〉
《語音對話系統》（合著，歐姆社）
《用免費軟體建構語音辨識系統 從模式辨識、基本機器學習到對話系統》（森北出版）
《用免費軟體學習語意網與相關互動》（森北出版）
《用免費軟體開始機器學習入門》（森北出版）
《圖解語音辨識》（講談社）
譯者簡介：
衛宮紘
清華大學原子科學院學士班畢。現為自由譯者。譯作有《上司完全使用手冊》（東販）、《超慢跑入門》（商周）、《男人懂了這些更成功》（潮客風）、《世界第一簡單電力系統》（世茂）……等。賜教信箱：emiyahiro@hotmail.com.tw
審訂者簡介
張智星
現職：台灣大學資訊系教授、台大醫院資訊室主任、台大金融科技研究中心主任
學歷：美國加州大學柏克萊分校 電機電腦系 博士
經歷：工研院資通所顧問
授課科目：資料結構與演算法、科學計算、金融科技導論、音樂訊號分析與檢索、人工智慧及深度機器學習之生醫藥產業應用
研究領域：語音辨識與評分、音樂分析與檢索、精準尋與行銷、醫療大數據分析
章節試閱
紗耶香的房間① 紗耶香與女高中生小愛
紗：好久不見，小愛。上次碰面是在爺爺家吧？
愛：對啊，那個時候表姊妹都在嘛。
話說回來，紗耶姊，今天怎麼了嗎？
紗：今天……大學的學弟來請教機器學習，我就幫他稍微上了一下課，但不曉得他是不是真的聽懂……
我記得小愛在高中選擇理工組，所以想聽聽妳的看法。
愛：機器學習是指AI嗎？機器的智能，感覺好像很難。
紗：不過，機器學習的本質是根據資料建立數學模型，再由電腦來驅動這個模型唷。這個數學模型的基礎部分，大概高中生應該理解才對。
愛：我是有在天文部編寫過觀測用的程式...
紗：好久不見，小愛。上次碰面是在爺爺家吧？
愛：對啊，那個時候表姊妹都在嘛。
話說回來，紗耶姊，今天怎麼了嗎？
紗：今天……大學的學弟來請教機器學習，我就幫他稍微上了一下課，但不曉得他是不是真的聽懂……
我記得小愛在高中選擇理工組，所以想聽聽妳的看法。
愛：機器學習是指AI嗎？機器的智能，感覺好像很難。
紗：不過，機器學習的本質是根據資料建立數學模型，再由電腦來驅動這個模型唷。這個數學模型的基礎部分，大概高中生應該理解才對。
愛：我是有在天文部編寫過觀測用的程式...
顯示全部內容
作者序
本書會舉出幾項機器學習中較具代表性的手法，並盡可能簡單解說其概要，預設的讀者為具備大一程度數學知識的機器學習初學者。如果自身對數學式不太熟悉的話，可翻閱各章後面的數學相關說明，大致掌握這些數學式的用處即可。
本書在內容的安排上，一開始會先設定問題，接著舉出解決該問題的方式，再對各機器學習手法進一步說明。各章設定的問題與解決手法如下：
章節 問題 手法
1 預測活動參加人數 線性迴歸
2 判斷糖尿病高危險群 邏輯識別、決策樹
3 評估訓練成果 分割學習法、交叉驗證法
4 排行葡萄的等級 卷積神經網路
...
本書在內容的安排上，一開始會先設定問題，接著舉出解決該問題的方式，再對各機器學習手法進一步說明。各章設定的問題與解決手法如下：
章節 問題 手法
1 預測活動參加人數 線性迴歸
2 判斷糖尿病高危險群 邏輯識別、決策樹
3 評估訓練成果 分割學習法、交叉驗證法
4 排行葡萄的等級 卷積神經網路
...
顯示全部內容
目錄
序
序章 請教我機器學習！
紗耶香的房間① 紗耶香與女高中生小愛
第1章 怎麼做迴歸？
1.1 預測數據的困難
1.2 從解釋變數求目標變數
1.3 求線性迴歸函數
1.4 正規化的效果
紗耶香的房間② 數學的複習①
第2章 怎麼進行識別？
2.1 整理資料
2.2 由資料預測類別
2.3 邏輯識別
2.4 決策樹的識別
紗耶香的房間③ 數學的複習②
第3章 評估結果
3.1 要用測試資料評估才有意義
3.2 訓練資料、檢驗資料、評估資料
3.3 交叉驗證法
3.4 準確率、精確率、召回率、F值
紗耶香的房間④ 數學的複習③
第4章 深...
序章 請教我機器學習！
紗耶香的房間① 紗耶香與女高中生小愛
第1章 怎麼做迴歸？
1.1 預測數據的困難
1.2 從解釋變數求目標變數
1.3 求線性迴歸函數
1.4 正規化的效果
紗耶香的房間② 數學的複習①
第2章 怎麼進行識別？
2.1 整理資料
2.2 由資料預測類別
2.3 邏輯識別
2.4 決策樹的識別
紗耶香的房間③ 數學的複習②
第3章 評估結果
3.1 要用測試資料評估才有意義
3.2 訓練資料、檢驗資料、評估資料
3.3 交叉驗證法
3.4 準確率、精確率、召回率、F值
紗耶香的房間④ 數學的複習③
第4章 深...
顯示全部內容
|
