初版第2刷の誤植

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