本記事はPRML「パターン認識と機械学習<上>第7版」(C.M.ビショップ著)の演習問題の基本問題・標準問題を解説したページになります。数式を打ち込む手間が面倒だったので,画像ファイルでアップしています。
また,数学的に厳密な議論はしていません。その代わり,初学者がつまづきやすいポイントを重点的にお伝えしていくつもりです。PRML解答/解説の目次もご覧ください。
スポンサーリンク
4.26
読者様のご指摘により,以下の解答の不備を発見しました。
積分定数は$0$でなくてもよく,適当な定数$C$になります。
大変恐縮ですが,現在解答を差し替えられる状況にないため,
ご注意いただければ幸いです。
計算がややこしい問題でした。前半部分に関しては,ガウス分布の指数部分がキレイな形になるように変数変換した後に,プロビット関数の逆関数の微分結果と掛け合わせた指数分をガウス分布の形にするために平方完成します。両辺の導関数の等号が示された後に,両辺の積分定数が等しいことを示すことで,導関数の母関数(要するに4.152の両辺のこと)が等しいという証明に繋げます。
両辺の積分定数が等しいことは,積分パラメータ($\mu$)の値を極端(±∞)に飛ばして運よく0になれば示すことができます。今回は,積分パラメータが0であることが分かっているので,迷いなく積分パラメータ($\mu$)を±∞に飛ばしてしまいましょう。
こんばんは.425Bといいます.
独学でPRMLを精読しており,よくzukaさんの演習問題の解説にお世話になっています.
ありがとうございます.
Exercise4.26の最後でつまづいてしまい,zukaさんの解説を
拝見したのですが,微分した関数の極限が0になると積分定数が0になる理由がわかりません.
大変恐縮ですが,もしお時間あればご教授いただければ幸いです.
何卒よろしくお願いします.
425B様
ご質問ありがとうございます。
管理人のzukaです。
ご指摘ありがとうございますmm
こちら,解答に不備がありますね。
積分定数は$0$でなくてもOKのはずです。
恐れ入りますが,現在解答自体を修正できる状況になく,冒頭に注意書きを追加させていただきました。
非常に助かりました!