LaTeXで数式環境と言ったらequation環境かalign環境, みたいな風潮がある気がするけど, align環境は目的に依っては不適切(というか, 所望の表示を得られない可能性がある)だし, 実際にはamsmath.styには他にも数式環境が用意されているので, それをまとめておく. 適材適所で環境を用いれば目に優しい論文を書けるだろう. ここに書くことはAMS-LaTeXのUser's Guide1にも書かれているので, 細かいことはそちらを参照. また, ちょっと古いけど「使ってはいけない LaTeX のコマンド・パッケージ・作法」という記事も参照. 推奨されない環境: eqnarray環境 amsmath.styはこの環境をサポートしていないらしい. beamerのスライドでイコールの前後のスペースがやたらと広くなっている数式はこの環境を使っているのだと思う. 推奨されない別行
今回はわかりやすい例を出しましたが、確かに部屋を決めるとき、私たち自身も下記の様な考え方をするのではないでしょうか。 どの条件が一番上に来るかは人それぞれですが、例えば1階は少し嫌で、2階以上かをまずは考え、2階以上であれば、さらにオートロックもあればいいね、という意味で部屋を借りる。 逆に、2階以上じゃなくても(1階の部屋)、ある程度の部屋の広さならまあ借りてもいいか、逆に1階だし狭いなら借りないな・・・・というようなフローで考えていくと思います。 まさにこれが木の構造を表していて、このように条件を分岐させて判断を決めていくのが決定木です。 では、この条件の分岐はどのように決められるのでしょうか。今出した例は直感的な説明で、根拠も何もなかったと思います。 ここで出てくるのが「不純度」です。 詳細は後半の数学の章に回しますが、この不純度を元に決定木は条件の分岐を決めています。 要は、元のデ
1.目的 機械学習をやってみたいと思った場合、scikit-learn等を使えば誰でも比較的手軽に実装できるようになってきています。 但し、仕事で成果を出そうとしたり、より自分のレベルを上げていくためには 「背景はよくわからないけど何かこの結果になりました」の説明では明らかに弱いことが分かると思います。 この記事では、2~3で「理論はいいからまずはscikit-learn使ってみる」こと、4以降で「その背景を数学から理解する」2つを目的としています。 ※私は文系私立出身なので、数学に長けていません。可能な範囲で数学が苦手な方にもわかりやすいように説明するよう心がけました。 ※線形単回帰Verでも同様の記事を投稿していますので、併せてお読みいただけますと幸いです。 【機械学習】線形単回帰をscikit-learnと数学の両方から理解する ※2020.7.26 4.ロジスティック回帰を数学から
対数グラフは、目盛りごとに値が倍々で増えていくグラフ値の大きなデータによって値の小さなデータがつぶれてしまうのを防げる様々なオーダー(桁数)のデータをざっくりと確認・比較したいときに便利 対数グラフ超概要対数グラフは倍々グラフだ!対数グラフは目盛りごとに値が倍々で増えていくグラフです。 最も使用頻度の高い常用対数グラフを例に説明します。普通の目盛りと対数目盛りを比較してみましょう。 普通の目盛りは一定距離ごとに数が10ずつ増えていますが、対数目盛りは一定距離ごとに数が10倍ずつ増えています。ちょうど目盛りを「一、十、百、千、万…」と読んでいくイメージですね。 対数グラフの種類対数目盛りがx軸・y軸のどちらかに付いているものを片対数グラフ、両方に付いているものを両対数グラフといいます。 対数軸は何だか目盛りが偏っていて、読み方がよく分かりませんね…。詳しい読み方は後で説明するので、今は細か
As you may be aware, I am a mathematician who knows Japanese. Thus, I have decided to compile a list of how to read mathematics in both English and Japanese. A lot of this information was found in the source listed at the bottom of the page. I hope you find this list useful. Using Rikaichan to read the kanji may be helpful. 私は日本語が分かる数学者なので、このリストを書くことにした。日本人なら、英語の文章は役に立つだろう。だから、もし役に立つと思ったら、よく使って文章を
AI・機械学習のための数学超入門 ― 前提知識は四則演算だけ!:AI・機械学習の数学入門(1/4 ページ) 機械学習の数学は難しい!? そう思っている人はここから学んでみよう。本連載では、小学校で習う「四則演算(足し算/引き算/掛け算/割り算)」を使って、機械学習の数学をできるだけ分かりやすく簡単に説明していく。だからサブタイトルは「― 中学/高校数学のキホンから学べる」。今回は距離を求める中学数学をおさらいする。 連載目次 機械学習は、人間の日常とそう変わらない この連載を読もうとする方々は機械学習について興味をお持ちなので、回帰とか分類といった用語は既にどこかで見聞きしていることと思います。また、機械学習がどういうものかというイメージもそれぞれお持ちだと思います。しかし、多くの人が、機械学習を必要以上に難しく捉えすぎなのではないか、と最近つくづく感じています(私自身、そうでした)。そこ
Posted by Chase Roberts, Research Engineer, Google AI and Stefan Leichenauer, Research Scientist, X Many of the world's toughest scientific challenges, like developing high-temperature superconductors and understanding the true nature of space and time, involve dealing with the complexity of quantum systems. What makes these challenges difficult is that the number of quantum states in these system
機械学習・データ科学 スプリングキャンプ 2019 2019年3月11日(月)-12日(火), 大阪大学 中之島センター 「機械学習の数理」ビデオ 機械学習の数理のビデオを、2019年3月末まで公開することとしました。 データ人材育成関西地区コンソーシアム(Duex) 2019年4月からの新学期で、データ人材育成関西地区コンソーシアム(Duex)では、 主として関西地区の学生、社会人の講座を用意しています。特に、阪大、神戸大、奈良先端科学技術大学院大学、滋賀大学、和歌山大学 の5大学の学生は、無料で受講ができます(所属大学の学部・研究科によっては、単位として認めてもらえる場合があります)。 今回受講できなかった方、もしくは受講しても、もう一度しっかり勉強したい方には良い機会になるでしょう。 「機械学習の数理」は、「機械学習のための数理とRプログラミング」という科目名(2018年度までは、「
Companion webpage to the book "Mathematics for Machine Learning". Copyright 2020 by Marc Peter Deisenroth, A. Aldo Faisal, and Cheng Soon Ong. Published by Cambridge University Press. View the Project on GitHub View On GitHub Please link to this site using https://mml-book.com. Twitter: @mpd37, @AnalogAldo, @ChengSoonOng. We wrote a book on Mathematics for Machine Learning that motivates people to
先日、気持ちのいいジャンプを目指してというQiitaの記事を見かけました。記事中では、マリオのジャンプについても触れられています。マリオというと、マリオブラザースやスーパーマリオブラザース等々、色々あるのですが、これはおそらくスーパーマリオブラザースの事だと思われます。ジャンプアクションゲームといったらスーマリですね。 そのマリオのジャンプの仕組みは「マリオの速度ベクトルを保存しておいて座標を計算するんじゃなくて~」と書かれていて、別サイトのブログへのリンクが張られています。 マリオのジャンプ実装法とVerlet積分 ただ、この記述については不正確であるという別のブログもあったりします。 マリオの完コピvol.28 ジャンプの解析と修正 ホントのところはどうなんでしょうか?世界で最も有名なゲームのジャンプがどのように処理されているのか気になったので調べてみることにしました。 原典にあたる
機械学習でよく使われる数式・記号 機械学習・ディープラーニングの分野の論文で使われる数式・記号の自分用メモです。誰かの役にたつかもしれないのでまとめておきます。理系の大学の学部生や、数学全然使わなくなった社会人くらいを想定して書いています(自分は数学全然使わなくなった社会人です)。 数式のTeX表記も記載しています。Qiitaで数式書くときや、論文を書くときに使えます(私は論文書く予定ないですが…)。Qiitaで数式を書く方法に関しては、以下の記事を参考にして下さい(この記事では解説しません)。 Qiitaの数式チートシート Qiitaで数式を書きましょう TeX表記は、Qiitaに登録していれば、編集リクエストで見ること可能なのですが、Qiitaに登録していない人に向けて書いてあります。Qiitaに登録すれば編集リクエスト機能により、Qiita記事の数式のTeXソース見放題なので登録して
プログラミング経験ゼロから、1年間で読んできたPython、数学、統計学、資格、機械学習、深層学習などの主な書籍をまとめています。Qiitaには別の諸先輩方が記載している書籍まとめ記事がいっぱいありますが、そもそもプログラミング自体も知らない本当の素人が試行錯誤して読んできた本をここに備忘録的にもまとめておきます。 バックグラウンド 大学院では脳神経科学の研究室にいた生物系 物理、微分積分、線形代数、統計学などは大学生のときに基礎科目として学んだ程度 プログラミングはそれすらない本当のゼロ 新卒で臨床試験の開発部署に(プログラミング、データ解析等とは無縁) 医療画像診断や臨床統計学に興味を持ち始めたのがデータサイエンス学習へのきっかけ ------Python------ 独学プログラマー プログラミング学習への第一歩。Pythonというより、Pythonを通じて、まずはプログラミングとは
はじめに Watsonで数独を解く! Decision Optimizerを使ってみたに引き続きDecision Optimizerシリーズ第二段です。 今回はあまりにも有名な問題「巡回セールスマン問題」にチャレンジしてみます。 [2020-03-16 githubのリポジトリ移動] 巡回セールスマン問題とは 一人のセールスマンが、N箇所の場所を一筆書きで回りたい。この場合に最短時間で回れるコースをどうやってみつけるか? という問題です。 数学的には「NP困難」と呼ばれる領域の問題で、少しNが大きくなると、調べるべき組み合わせの数が爆発的に増大し、完全解を求められないことがわかっています。より詳しい話は、下記のWikipediaの記事を参照してください。 巡回セールスマン問題 CPLEXの2つのライブラリ これから、この問題をCPLEXを使って解いていくのですが、その前にCPLEXの2種類
知ってるようで知らないTeXの世界 自分の人生より歴史あるソフトウェア開発をマネジメントする技術 アルゴリズムに関する大著『The Art of Computer Programming』のため、ドナルド・クヌース先生が組版システム「TeX」を発表して41年。その開発は世界中で活発に続いています。日本語TeX開発コミュニティやTeX Liveチームで活動する20代のエンジニア山下弘展(aminophen)さんに、自分より1.6倍も長生きなソフトウェアをメンテナンスする技術について聞きました。 数式がきれいに組めることで広く知られているTEXTEX(以下、TeXと表記)は、誕生から40年を超える自動組版システムです。 学生時代にレポートや論文でTeXを使ったことがある人も少なくないでしょう。技術系の同人誌でページの見栄えを改善すべく、Re:VIEWなど書籍執筆支援システムの背後で動くTeXに
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く