読者サポート

すぐに使える!業務で実践できる! Pythonによる AI・機械学習・深層学習アプリのつくり方

著者:
クジラ飛行机、杉山陽一、遠藤俊輔
定価:
3,520円(本体価格 3,200円)
発売日:
2018年6月28日

ダウンロード

本書で解説したサンプルデータを以下のサイトからダウンロードできます。 なお、使用方法などに関しては、必ず書籍の該当箇所をご確認の上、ご利用ください。

アクセス後、右上にある「「Clone or download」から「download ZIP」を選んでダウンロードして下さい。

正誤情報

大変申し訳ありませんが、誤記・誤植がありました。
以下の情報をご参照ください。

★★著者によるサポートページもご参照ください★★

正誤情報

(4刷以降 --- 2018/09/01更新) *
p.209 入力コマンドのファイル名間違い *
[x] $ cat jawiki-latest-pages-articles-* > wiki.wp2txt
[o] $ cat jawiki-latest-pages-articles-* > wiki.txt
p.333 ソースコード『train_mlp.py』にて *
GitHubのソースコードは修正されています。

[冒頭に追加] import numpy as np, h5py
[x] x, y, test_size=0.2)
[o] np.array(x), np.array(y), test_size=0.2)
正誤表(4刷 --- 2018/08/10更新) *
P208 *
(誤)モデルを作成するための大量の分かち書きデータを含め、コンピュータによる〜
(正)モデルを作成するための大量の分かち書きデータを含むコンピュータによる〜
P.211 similar.py *
末尾2行のプログラムは削除しても問題なく動作します。
P.225 *
[x]そして、始点となる単語を「魚」とするとしましょう。そうすると、「魚」につながる単語は、「魚 | は」になります。
[o] そして、始点となる単語を「魚」とするとしましょう。そうすると、「魚」につながる単語は、「魚 | は」あるいは「魚 | を」となります。ここでは、「魚 | は」をランダムに選んだとしましょう。
P.231 *
(誤) 基本語ドメイン辞書
(正) 解析済みブログコーパス
P.261 *
[x]『プレースホルダ』とは、値をテンプレートに値を当てはめるための仕組みです
[o]『プレースホルダ』とは、テンプレートに値を当てはめるための仕組みです
P.324 *
[x] その手法として、学習させるすべての文書で、その単語がどのくらいの頻度で使われているかを調べます。
[o] その手法として、学習させるすべての文書で、その単語がどのくらいの頻度で使われているかを調べます。この時、IDFは全文書における単語の出現頻度の『逆数』です。逆数にすることで、ありふれた単語の重要度を下げます。
P.351 *
[x] SQLiteであれば、Pythonの標準ライブラリなので、とくにモジュールをインストールしたり、データベース・サーバーの設定を行う必要はありません。
[o] SQLiteであれば、Pythonに最初から同梱されているので、とくにモジュールをインストールしたり、データベース・サーバーの設定を行う必要はありません。

正誤表 (1-3刷 --- 2018/07/30更新) *
P.18 L.3 *
(誤) そして、『人口知能((AI)』とは〜
(正) そして、『人工知能(AI)』とは〜
P.19 L.13 *
(誤) 次元削減
(正) データの次元数を削減
P.72 *
誤:どのような手順を踏んだら良いのでしょうか。・・・・・以下のような順番で機械学習を実践しましょう。
正:まず、ゴールを決定しましょう。ここでは、「がく片や花びらの長さと幅から、アヤメの品種を分類する」ことをゴールとします。そのために、以下の順番で機械学習プログラムを実装しましょう。
P.86 precision, recall, f1-scoreについて詳しい補足 *
[x] precisionが精度、recallが再現率 (実際に正解した割合)、f1-scoreが精度と再現率の調和平均で、supportが正解ラベルのデータの数です。
[o] precisionが精度(適合率)、recallが再現率、f1-scoreが精度と再現率の調和平均で、supportが正解ラベルのデータの数です。precision(精度)は、正と予測したデータのうち実際に正であるものの割合で、recall(再現率)は、実際に正であるもののうち正であると予測されたものの割合、つまり、実際に正解した割合です。
P.90 コラム L.1 *
(誤) 複数の分類記を用いて性能を向上させる
(正) 複数の分類木を用いて性能を向上させる
P.96 *
(誤) 以下のプログラムを実行して、Coraboratoryの仮想マシン上に
(正) 以下のプログラムを実行して、Colaboratoryの仮想マシン上に
P.103 予測データの作成『yosoku.py』のプログラム *
[x] if i <= interval: continue [o] if i < interval: continue 条件式にイコールがあると、temps[0]のデータが説明変数xに含まれなくなってしまうため、イコールを消します。(具体的なソースコード P107 * 誤:97%を超える 正:96%を超える P108 * ソースコード(※1)の下、「allAlgorithms = ・・・」の上に以下を追加。現在このコードの説明はあるが、コードにない状態 warnings.filterwarnings('ignore') P.110 補足を追加 * 学習データが少ない場合、評価の信ぴょう性を上げるためにクロスバリデーションを行うことが多くあります。 P.125 * (誤) 「.JPEG」にすれば、JPEG画像に変換されて保存します。 (正) 「.jpg」にすれば、JPEG画像に変換されて保存します。 P.304 5章 img-resize.py * [誤] img = cv2.resize(img, (im_size, im_size)) [正] img = cv2.resize(img_gray, (im_size, im_size)) なお、GitHubにあるソースコードは既に修正済みです。 P.139 subplotの書式をより正確に * [x] pyplot.subplot( 行数 , 列数 , 何番目を描画するか ) [o] matplotlib.pyplot.subplot( 行数 , 列数 , 何番目を描画するか )

サポートページを探す

タイトル、著者名、ISBNなどで検索してください。

※書籍によっては、サポートページがない場合もございます。ご了承ください。

書籍についてのお問い合わせ

各サポートページで問題が解決しない場合は、お問い合わせページよりご連絡ください。

お問い合わせ