はじめに
様々な分野で多様なビッグデータが得られるようになり、こうしたデータを解析し、そこから「知」を得るための手段として、機械学習 (Machine Learning)、いわゆるAIが注目されています。そういった動きは、農学の分野でも広がってきており、我々生物測定学研究室でも、圃場のモニタリングに画像解析技術を用いたり、育種（品種改良）に機械学習のアイディアを応用した研究を行ったりしています。
こうした状況を鑑みて、本研究室では2020年前期（4月〜8月）に、機械学習の教科書の決定版ともいえる、Christopher Bishopによる『Pattern Recognition and Machine Learning （パターン認識と機械学習）』、通称PRMLに関する輪読会を開講しました。本輪読会では、PRMLの各章の末尾に付いている演習問題を、輪読会参加者の有志が解く、ということも行いました。ここでは、各人による演習問題の解答例をQiitaの記事として紹介していこうと思います。
（追記：2021年度後期も輪読会を開催し、第1章から勉強しています。昨年度できなかった演習問題は随時更新予定です。）
本記事では、第4章の演習問題の解答例に関する記事のリンクを紹介していきます。
まだ解いた全ての問題を公開しているわけではなく、随時更新していきます。更新内容などについては、Twitterにてご報告する予定です。
（注：解答例は、数学の決して得意ではない学生によるものもあります。中には間違いや不十分な解答もあるかもしれませんが、温かい目で見ていただき、コメントで誤りなどを指摘していただければ幸いです。また、全ての問題に対して解答例が用意されているわけではないので、その点についてもご了承ください。）
関連記事など
別の章に関するリンク集
PRML 公式資料
- PRML 一式 ダウンロードページ （公式）
- PRML 英語版 フルPDF （公式・無料）
- PRML 日本語訳 上巻 （Amazon）
- PRML 日本語訳 下巻 （Amazon）
- PRML 英語版 公式解答例 （wwwの付いた一部の問題）
PRML 非公式資料
-
PRML復活の呪文 part13 (4.1 - 4.1.4): この方は
PRMLの日本語版の上巻の最後まで、各章を何パートかに分けて解説した記事を載せてます。また説明の中で、一部の演習問題の解説を行なっています。 - PRML 演習4.9(+Chapter4.2.2)
-
PRML演習問題解答を全力で分かりやすく解説！: この方は
PRMLの演習問題の数多く（ほとんど）の問題を、第1章から第10章まで手書きで公開しています。 - その他PRMLのタグがついたQiitaの記事一覧
他にも、一部の記事でPRMLの演習問題の解答例に関する記事があるものの、どれも1問単位で解かれており、このようなLaTeXで数式を書いた解答例のリンク集は存在しないように見受けられます。
担当者
東京大学 生物測定学研究室の @YusukeToda1984 さん, @ZaKama さん, @patten さん, @Kazutoshi08 さん, @mashiro135 さんにご協力いただきました。また、他にも（生物測定学研究室以外の学生を含む）2名の有志が匿名で公開に協力してくださいました。こちらの2名の方の記事はこのアカウントの記事として投稿させていただいもののリンクを紹介したいと思います（当人の許可をとっています）。
解答 リンク集
演習問題 4.2 （標準）
多クラス分類の二乗和誤差関数の最小化を考えるときに、もし目的変数ベクトルが線形制約を満たすならば、予測関数もまた線形制約を満たす、ということを証明する問題ですね。
演習問題 4.10 （標準）
確率的生成モデルに基づいて多クラスの分類問題をモデリングし、そのパラメータを最尤法から求める問題です。演習問題4.9の続きです。
演習問題 4.11 （標準）
ナイーブベイズによるモデルが、一旦基底関数ベクトルの線形和として記述され、それに非線形を施すことで、クラス分類を行なっている、ということを示す問題です。
演習問題 4.14 （標準）
- PRML 演習問題4.14 （@mashiro135 さん）
ロジスティック回帰モデルの最尤解と分類の際の決定境界に関する問題です。
演習問題 4.16 （基本）
ベルヌーイ分布を応用した分布における対数尤度関数を求める問題です。
演習問題 4.17 （基本）
活性化関数のパラメータを、最尤法により直接決定する最初のステップです。
演習問題 4.18 （基本）
- PRML 演習問題 4.18 （基本） （匿名Aさん）
交差エントロピー関数の『エントロピー』って何？という答えがここにある？
おわりに （宣伝）
いかがだったでしょうか。
こうした記事が、少しでも皆さんがPRMLの演習問題を解く上での理解の助けとなれば幸いです。
誤りなどありましたら、各演習問題に対する解答記事にてコメントなど残していただければと思います。
さて、生物測定学研究室では、農学という分野にいながら、このような機械学習の基礎から勉強しているほか、プログラミング言語（Python, R, C++, Juliaなど）を駆使して、効率的なデータ取得や、品種改良の高速化に取り組んでいます。興味がある方は、ぜひホームページから研究紹介動画を見ていただければと思います。Twitterもはじめました。
研究室ホームページ: 東京大学 生物測定学研究室
研究紹介動画など （YouTube）: 東京大学 生物測定学研究室 YouTubeチャンネル
Twitterアカウント: UT-Biomet (@BiometUt)
Twitterサブアカウント: 東大・生測の日常。 (@BiometUtDiary) ←New!! (2021.10-)
更新歴
- 2021.11.16 : 2021年度輪読会について、記述しました。
- 2021.10.29 : Twitterサブアカウントを掲載しました。