Help us understand the problem. What is going on with this article?

TensorFlow機械学習クックブック第2章で個人的につまったところとか

More than 1 year has passed since last update.

Recipe 13

<方法>
分類アルゴリズム
6.

xentropy = tf.nn.sigmoid_cross_entropy_with_logits(
    logits=my_output_expanded, labels=y_target_expanded)

logitsて何だよ # 参考1:barber:

Screenshot from 2017-08-23 01-34-45.png

納得!

Recipe 14

<仕組み>

rand_x = [x_vals[rand_index]]
rand_y = [y_vals[rand_index]]
sess.run(train_step, feed_dict={x_data: rand_x, y_target: rand_y})

[]でくくってplaceholderにあわせて二次元にしてる。あれでも、x_dataに渡すのはリストでいいの?テンソル型じゃなくていいんだっけとか思ったけど、placeholderに渡すのは配列でもスカラーでもけっこうなんでもokだった # 参考2 :crossed_flags:

Screenshot from 2017-08-23 01-48-16.png

Recipe 15

<方法>
9.

plt.plot(setosa_x, setosa_y, 'rx', ms=10, mew=2, label='setosa')

ms、 mew ってなんだよ :performing_arts:
ms == marker size
mew == marker edge width

Recipe 16

<仕組み>
回帰モデルの評価
1.

train_indices = np.random.choice(len(x_vals), round(len(x_vals)*0.8), replce=False)
train_indices = np.array(list(set(range(len(x_vals))) = set(train_indices)))

長い :moyai:
np.random.choice(整数a, 整数b) で np.arange(a)で生成される配列の中身からb個ランダムで取り出す # 参考3
roundで整数にする
replace=False で重複禁止
set()で集合型にすることで、集合としての和、差、積等の演算ができる
np.arrayの引数はリストorタプルだそうなので、list()で集合型からリストに変換
あと list(set(hogehoge)) じゃなくて [set(hogehoge)] ってできないの?て思ったけどなんか違った(後者だとset(hogehoge)の全体がリストの第0要素になってしまう)
変換するときは明示的に書かないといけない的な

set.png

分類モデルの評価
5.

bins = np.linspace(-5, 5, 50)
plt.hist(x_vals[0:50], bins, ...)
plt.hist(x_vals[50:100], bins[0:50], ...)

なんで2行目のbinsは範囲書いたん?て思ったけど、これはx_valsの範囲は変わったけどbinsの範囲は変わらないことを明記したのか、と(必要なかった) :hotsprings:

難しい英語(うp主は英弱)

reduce_mean の reduce : 縮約する
temp_loss の temp (== temporary) : 一時的な
indices : indexの複数形
bin : 各々が互いに素である区間・階級。カテゴリ。

参考

  1. 機械学習のための数学
  2. TensorFlowのfeed_dict={x_data: x_val}の意味について
  3. NumPyのrandomを使った配列操作・乱数生成方法まとめ
  4. weblio
namahoge
松尾研(居候中()). AI/VR/ロボット
https://naruya.github.io/
Why not register and get more from Qiita?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
Comments
No comments
Sign up for free and join this conversation.
If you already have a Qiita account
Why do not you register as a user and use Qiita more conveniently?
You need to log in to use this function. Qiita can be used more conveniently after logging in.
You seem to be reading articles frequently this month. Qiita can be used more conveniently after logging in.
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
ユーザーは見つかりませんでした