Machine Learning Advent Calendar 2013まとめ

年末年始の時間があるときに
機械学習のAdvent Calendar記事を読んだ。
これらのうち、自分が気になった記事のまとめ。

時間がある時には自分の仕事には直接関係無くても
興味のある分野の勉強ができるのがうれしい。

その中でも機械学習は将来的に
自分の仕事と関係が出る可能性があるから
特に時間を掛けて確認しておきたい。

PRMLに掲載されているベイズ線形回帰の図を追試するという内容。
PRMLはただ読んでいるだけでは理解できないので
実際に手を動かして確認する必要がある。
この記事ではPythonを使って同じ結果を再現するコードを実装し、
実際に同じ図を生成するところまでを行っている。

このように実際に手を動かし、さまざまなパラメータを変更して
動作確認することで本当の理解ができると思う。
そのためには必須の内容。

今後、自分も機械学習の復習を行う予定なので、
その上ではPRMLに限らず、実装例として挙げているのは役に立つ。
特にPythonが得意なわけではない自分にとっては。

Deep Learningは名前だけで結局よく理解してません。
Dropoutは聞いたこともありません。

そんな自分だけど、アンサンブル学習やブートストラップを
研究として応用した事があったのでよく理解できた。
もちろん、手を動かして確認したわけではないので
理解が十分というわけではないのだけど。

もし機械学習の勉強を再開するのであれば
自分が知っている知識を中心に進めると思うので、
その時にはもう一度確認する。

MLaPP(Machine Learning a Probabilistic Perspective)知らなかった。
MLAC記事やamazonのレビューを見る限り、
これ一冊あれば大丈夫というわけではなく、
これをリファレンスとして使うのが良い活用方法みたい。

だとすれば、機械学習全体の概要を把握し、
必要な分野だけ詳しく知りたい自分には最適だと思う。
(ほとんどの人はそういった進め方になると思うが)。

本当は内容を確認してから購入したいところだけど、
洋書を確認できる環境にないので、
kindle版でさっさと買うことになると思う。

機械学習分野の博士が実践している情報収集方法。
こういった内容はなかなか共有されないので参考になる。

とはいってもここまでアカデミック寄りの情報収集はできないし、
分野が違うと適切な方法は異なるので
どうやってこの知識・ノウハウを活用すべきかは
もうちょっと自分で考える必要がある。

全体的には論文解説や、最新アルゴリズム解説が多かった印象。
残念ながらそういった内容が必要となる立場にないので
今回は取り上げてないが、本格的に機械学習を勉強するのであれば
そういった内容の方が役に立つはず。

また、自分で手を動かしたわけではない。
取り上げた記事はコードも併せて掲載しているものが多いので
可能な限り自分でも動かして確認したい。

出力を入力へ