1_2_Errata_Corona : 2015/7/1(20:43) 『入門 機械学習による異常検知 — R による実践ガ イド —』 (コロナ社、2015)初版第 2 刷の正誤表 Tsuyoshi Id´e (井手 剛) [email protected] 平成 27 年 7 月 1 日 1_2_Errata_Corona : 2015/7/1(20:43) 1 異常検知の基本的な考え方 現時点で判明している誤りはありません。 1_2_Errata_Corona : 2015/7/1(20:43) 2 正規分布に従うデータからの異常検知 • p.28, 式 (2.17)。 – 誤: 0 = – 正: 0 = N ∂L 1 ∑ =− 2 (µ − x(n) ) ∂µ 2σ n=1 N ∂L 1 ∑ =− 2 (µ − x(n) ) ∂µ σ n=1 1_2_Errata_Corona : 2015/7/1(20:43) 3 非正規データからの異常検知 • p.71、上から 3 行目(森川浩司様のご指摘に感謝いたします)。 – 誤: 標準偏差 sig0=3 の正規分布 – 正: 標準偏差 sig1=3 の正規分布 • p.83、実行例 3.6 のすぐ上(森川浩司様のご指摘に感謝いたします)。 – 誤: 評価します(実行例 3.6)。 – 正: 評価します。次の実行例 3.6 は、標本数を n,カーネル行列を K として格納した前提の計算例です。 1_2_Errata_Corona : 2015/7/1(20:43) 4 性能評価の方法 現時点で判明している誤りはありません。 1_2_Errata_Corona : 2015/7/1(20:43) 5 不要な次元を含むデータからの異常検知 ご指摘をお寄せいただいた森川浩司様、那須翔太様に深く感謝いたします。 • p.126 最初の式。 N N ∑ 1 1 ∑ ⊤ (n) 1 ˆ x(n) = u⊤ µ – 誤: u x = u⊤ N i=1 N N n=1 N N ∑ 1 ∑ ⊤ (n) 1 ˆ u x = u⊤ x(n) = u⊤ µ N n=1 N n=1 • p.130、式 (5.18) の 2 行下。 – 正: – 誤: 正規直交ベクトルを r − M 本加えて – 正: 正規直交ベクトルを M − r 本加えて • p.132、下から 3 行目。 – 誤: M 次元空間の正規直交基底 r 個が – 正: M 次元空間の正規直交基底 m 個が • p.144、式 (5.47) の 3 行目。 M – 誤: − ln(2πσ 2 ) + 定数 2 MN – 正: − ln(2πσ 2 ) + 定数 2 • p.144、式 (5.49) ⊤ −1 – 誤: ⟨z (n) z (n) ⟩ = σ 2 M′ – 正: ⟨z (n) z (n) ⟩ = σ 2 M′ ⊤ ′ + ⟨z (n) ⟩⟨z (n) ⟩⊤ −1 + ⟨z (n) ⟩⟨z (n) ⟩⊤ 1_2_Errata_Corona : 2015/7/1(20:43) 6 入力と出力があるデータからの異常検知 ご指摘をお寄せいただいた森川浩司様、那須翔太様に深く感謝いたします。 • p.168、最初の式。 −1 ˜ (n) [1 − x ˜ (n)⊤ Ax ˜ (n) ]x ˜ (n)⊤ A−1 = A−1 + A−1 x −1 ˜ (n) [1 − x ˜ (n)⊤ A−1 x ˜ (n) ]−1 x ˜ (n)⊤ A−1 = A−1 + A−1 x – 誤: [· · · ] – 正: [· · · ] • p.172、図 6.3 (b)。これは出版社との連携ミスで、別の図が使われてし anomaly score 0.0 0.1 0.2 0.3 0.4 まったようです。原図は下記です。 0 10 20 30 40 index • p.174、真ん中の式の上。 – 誤: 生の x を扱う代わりに、 個の正規直交基底 – 正: 生の x を扱う代わりに、m 個の正規直交基底 • p.176、下から 5 行目。 – 誤: 基底 p を [c1 , . . . , cM ]⊤ のように求めます。 – 正: 基底 p1 を [c1 , . . . , cM ]⊤ のように求めます。 • p.189、3 番目の式。 1_2_Errata_Corona : 2015/7/1(20:43) 6. 入力と出力があるデータからの異常検知 ( )−1 ) σ2 ⊤ 1 ( σ 2 IN + Φ Φ = 2 IMϕ − Φ⊤ A−1 Φ ˆ σ λ ( )−1 2 ) σ 1 ( – 正: σ 2 IN + Φ⊤ Φ = 2 IN − Φ⊤ A−1 Φ ˆ σ λ • p.189、式 (6.66) の 2 行目。 ) 1 ⊤( – 誤: − 2 yN IMϕ − Φ⊤ A−1 Φ yN 2σ ) 1 ⊤( – 正: − 2 yN IN − Φ⊤ A−1 Φ yN 2σ – 誤: 7 1_2_Errata_Corona : 2015/7/1(20:43) 7 時系列データの異常検知 ご指摘をお寄せいただいた森川浩司様に深く感謝いたします。 • p.198 実行例 7.1 の 2 行目 – 誤: dt <- read.table(file=paste(dir,"qtdbsel102.txt",sep="")) – 正: X <- read.table(file=paste(dir,"qtdbsel102.txt",sep="")) 1_2_Errata_Corona : 2015/7/1(20:43) 8 よくある悩みとその対処法 現時点で判明している誤りはありません。 1_2_Errata_Corona : 2015/7/1(20:43) 付 録 • p.258、下から 2 番目の式。森川浩司様のご指摘に感謝いたします。 – −1 −1 −1 誤: Λ−1 aa = Σaa − Σab Σbb Σba および Λaa Λab = −Σab Σbb – −1 −1 −1 正: Λ−1 aa = Σaa − Σab Σbb Σba および Λaa Λab = −Σab Σbb • p.259、定理 A.9。森川浩司様のご指摘に感謝いたします。 – 誤: p(x | x) および p(y) は次で与えられる。 – 正: p(x | y) および p(y) は次で与えられる。 • p.265、下から 4 行目。g(x) = c の形の制約についての記述が乱暴でし たので修正いたします。この場合、式 (A.68) の最適性の条件を、制約 g(x) = c と連立させて解くことになります。森川浩司様のご指摘に感謝 いたします。 – 誤: g(x) = c という制約を加えても,同様に定理が成立すること は明らかです。 – 正: g(x) = c という制約を加えても,式 (A.68) が成立すること は明らかです。 1_2_Errata_Corona : 2015/7/1(20:43) 索 現時点で判明している誤りはありません。 引
© Copyright 2024