Pythonで動かして学ぶ！あたらしい機械学習の教科書 第3版

192

# x と同じサイズで要素が 0 の ndarray 型を作成

y = np.zeros_like(x)

# ここでは式 5-66 ではなく式 5-65 で実装

for j in range(m):

y = y + w[j] * gauss(x, mu[j], s)

y = y + w[m] # phi を掛けないパラメータを最後に加える

return y

次に、アルゴリズムに直接は関係しないのですが、平均二乗誤差を計算する関数

mse_gauss_func(x, t, w) をリスト 5-3-(5) で作っておきます。フィッティングの

程度を算出するためです。

# リスト 5-3-(5)

# 線形基底関数モデルの平均二乗誤差 (MSE) ----------

def mse_gauss_func(x, t, w):

y = gauss_func(w, x)

mse = np.mean((y - t) ** 2)

return mse

そして、本命の線形基底関数モデルのパラメータの解析解を与える fit_gauss_

func(x, t, m) をリスト 5-3-(6) で作ります。

# リスト 5-3-(6)

# 線形基底関数モデルの厳密解 ----------

def fit_gauss_func(x, t, m):

mu = np.linspace(5, 30, m)

s = mu[1] - mu[0]

n = x.shape[0]

# 式 5-69 の計画行列 phi を作成

phi ...