FC2ブログ
09«1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.20.21.22.23.24.25.26.27.28.29.30.31.»11

たまひびとらの絵本の実

読書好きな姉妹と弟と父母の読んだ本

激走!日本アルプス大縦断 ~2018 終わりなき戦い~ 

TJAR.jpg
激走!日本アルプス大縦断 ~2018 終わりなき戦い~
激走!日本アルプス大縦断 ~2018 終わりなき戦い~

距離400キロ、高低差27000メートル。常人が30日かかるコースを1週間で駆け抜ける超人たちの競争なのに、60才近くの参加者もいる。挑戦心、執念に心打たれる。人間はこんなことまでできるのか。

スポンサーサイト



category: DVD

cm 0   tb 0   page top

Natboff! One Million Years of Stupidity 

Natboff.jpg
Natboff! One Million Years of Stupidity
Natboff! One Million Years of Stupidity

はじめの方だけおもしろい。

とら

category: とらの本

cm 0   tb 0   page top

The Wild Robot 

thewildrobot.jpg
The Wild Robot
The Wild Robot

It was decent.

Tora

category: とらの本

cm 0   tb 0   page top

ラグビー日本代表を変えた「心の鍛え方」  

kokoronokitaekata.jpg
ラグビー日本代表を変えた「心の鍛え方」
ラグビー日本代表を変えた「心の鍛え方」

フィジカルの鍛え方があるように、メンタルの鍛え方もあるとのこと。トップクラスの運動選手はメンタルも強いのかと思ってたけど、彼らも日々苦しんでるんだね。ラグビー代表選手だってタックルは怖い。オリンピックやワールドカップの舞台では、超一流選手だってチョークしてしまい、実力が出せなくなってしまうことがある。そして、、、エディー・ジョーンズ率いる日本代表チームは、あの南ア戦のために1年準備した、メンタル面の準備含めて。

category: 父の本

cm 0   tb 0   page top

問いかけ続ける 

toikaketudukeru.jpg
問いかけ続ける
問いかけ続ける

うーん、高評価されてるみたいだけど僕には刺さらなかった。オールブラックスがめちゃくちゃすごくても、本書はオールブラックスのすごさを過度にビジネスお役立ちにつなげている、という印象。本書は他の本や他の人の言葉を参照しているところも多いんだけど、一番多いのはビジネス関係、スティーブジョブズとかね。想定読者はビジネススクール学生って感じ。オールブラックスは別格中の別格だけどね。

category: 父の本

cm 0   tb 0   page top

確率思考 

kakuritsushikou.jpg
確率思考
確率思考

人は毎日たくさんの判断をしているが、それら判断は実質的に賭けである。賭け判断に基づき、結果(outcome)は変わる。しかし、結果には判断以外の要素、一般に運と呼ばれる、も深く関与している。よい判断・行動をしてもよい結果になるとは限らないし、逆もまた然り。結果がよければよい判断をしたとは限らないが、結果から学習して、より良い判断ができるようになることは重要。我々は不確実な世界に生きているのだ。という話。まったくもっておっしゃるとおりと思う。著者は博士号を目指す途中でポーカーにのめり込み、プロとして20年の実績を持つ。成功は自分の実力のおかげで、失敗は運のせいにする、というのは極めてありがち。世の中にあるビジネス成功の本なんて過半がそうじゃないだろうか。世の中の事象にはありとあらゆる運の要素がある。

category: 父の本

cm 0   tb 0   page top

米韓同盟消滅 

beikandoumei.jpg
米韓同盟消滅
米韓同盟消滅

著者シリーズのまとめ的な本でもある。米韓同盟消滅は自然な帰結なのかもしれない。そもそも韓国を守りたいという強い意志を米国は持っていなかった(ディーン・アチソン)。そこに朴槿恵の離米従中が来て、さらに、米国は損していると信ずるトランプ、左派で反米親北の文在寅が登場。そしてこれは米国・韓国の民意の結果でもある。この著者の読みは鋭くてしつこい。これでもかって感じ。韓国の文政権は北朝鮮のために働いているようにさえ見える。

ところで最後にある専門家に関するコメントはいいね。多くのケースで専門家は利害があり、利害に基づいて本当のことを言ったり言わなかったりする。専門家は良く知っているけど気を付けた方がいい場合も多い。

category: 父の本

cm 0   tb 0   page top

ベイズ推論による機械学習入門  

bayesianinfmachinelearning.jpg
ベイズ推論による機械学習入門
ベイズ推論による機械学習入門

機械学習の本だけどプログラムは出てこない。プログラムを作るにあたって必要なアルゴリズムを構築するための数学「ベイズ確率推論」を学ぶ。チャプター3 までは解析的に事後分布を求める。共益事前分布の例としてカテゴリ分布の学習と予測をメモ。
p(s|π) = Cat(s|π) = Π(1 to K) π^s
πはK個あり合計が1.sはK個あり1つが1で残りは0.
πを生成するのはディリクレ分布。ディリクレ分布はベータ分布を多次元化したもの。ベータ分布は0と1の間(逆から見れば1から0の間)をパラメータ次第でいろんな曲線を描く。その積分値を1とするための正規化項がある。ディリクレ分布も同様で、3次元なら0から1が3つあり(3次元空間内の三角形)、その三角形の各点上にディリクレの値があり、正規化項をもって積分値が1になるようになっている。
p(π) = Dir(π|α) = 正規化項*Π(1 to K) π^α
ベイズの定理で事後分布を書くと
p(π|S) = p(S|π) * p(π) / p(S)
p(S)はπと無関係であり、πから見れば定数なので、以下の比例式とみなせる
p(π|S) ∝ p(S|π) * p(π) = { Π(1 to N) Cat(s|π) }Dir(π|α)
本書を通して使われるんだけど、両辺の log をとって事後分布をまとめなおすと、logをとったディリクレ分布と同じ形がまた現れるので、共益事前分布だったことがわかる。
log p(π|S) = Σ(1 to N) log Cat(s|π) + log Dir(π|α) + constant
= Σ(1 to N)Σ(1 to K) s logπ + Σ(1 to K) (α-1)logπ + log正規化項 + constant
= Σ(1 to K) { Σ(1 to N) s + α-1 }logπ + constant
よって
p(π|s) = Dir(π|更新後α)

ベルヌーイ分布の例、1次元ガウス分布の平均未知の例、などでは、データを加えたことにより事後分布が更新される様子がよりわかりやすい。多次元ガウス分布での計算も log を取るなどほぼ同様の計算過程(ここでのΣは共分散行列を示し、Λはその逆行列である精度行列を示す)。平均未知のケースで log をとって計算すると、D次元ベクトルμの2次式がでてくる。対数を取って2次式がでてくるのはガウス分布なので、事後分布も多次元ガウス分布となることがわかる。

P107 3.145 の確率モデル式の導出が書いてないのでやってみた。合ってるといいな。
p(w|x,y) = p(x,y,w) / p(x,y)
分子 p(x,y,w) = p(y|x,w) p(x) p(w)
分母 p(x,y) = p(y|x) p(x)
p(w|x,y) = p(y|x,w) p(x) p(w) / p(y|x) p(x) = p(y|x,w) p(w) / p(y|x)

チャプター4 は解析的にまたは効率的に解の計算ができない場合の近似手法。現実のデータは簡単な統計分布では対応できない。近似的な分布を検討するには KL divergence (分布と分布の離れ度合いを測る式)。ポアソン混合モデルの例。ギブスサンプリング(サンプリング=解析的ではない)では、クラスターS(複数の分布のどれに所属するのか)、混合比率π(それぞれの分布に何割が行くのか)、ポアソン変数λ、観測Xにおいて、ざっくりなやり方としては観測Xだけでなく、λとπも観測されたかのように扱い、Sの確率分布を求める(その後、Sを観測されたものとしてλとπの確率分布を求める)。変分推論では、Sの分布を独立と想定して近似計算。つまり、P(S, λ, π|X)をq(S)q(λ, π)とみなす。崩壊型ギブスサンプリングでは、λとπを積分して消してしまい(周辺化)、XからSを求める。p(X, S) = ∫∫P(X, S, λ, π)dλdπ.

チャプター4後半は式を追うのもつらい。チャプター5はまた後日。

category: 父の本

cm 0   tb 0   page top

現役官僚の滞英日記 

genekikanryonouk.jpg
現役官僚の滞英日記
現役官僚の滞英日記

留学記ではあるんだけど、UKの最近の動向がよくわかる内容になっている。強く同感なのが、コモンウェルスの力。UKの力はUK単体を大きく上回る。イギリス人の飲み会に行くと、オーストラリア人、ニュージーランド人などは当然同胞という感じで集合する。スコットランド人は俺はイギリス人じゃないよと言うけど当然仲間。英系の南ア人も仲間。ただしコモンウェルス24億人52ヵ国というのは誇張だと思う。だってインド、ナイジェリア、パキスタン、バングラデシュで20億人弱だもんね。これらの国とは一線がある。著者はエリート大学に行って、UKエリートがカネ・コネ・チエをバランスよく持つ人たちとわかったと言っている。最後にオックス・ブリッジと他のUKトップ校との違いについて。オックス・ブリッジは教授が弟子としたい人が学ぶところ。なるほどー。

category: 父の本

cm 0   tb 0   page top

沸騰インド:超大国をめざす巨象と日本 

futtouindia.jpg
沸騰インド:超大国をめざす巨象と日本
沸騰インド:超大国をめざす巨象と日本

インドの仮想敵国ナンバーワンは中国なんだな、パキスタンは当然として。日本はもっとインドと組むべきだが、実際にはなかなか進まない。インド人はとにかく交渉だ(そして法律問題になればインドでの戦いは困難)。本書にもあるように、日本政府もインド政府との交渉でやられた。インド人交渉に日本人がついていくのははっきりいってつらい。しかも、日本人多くにとって中国・東南アジアとインドは完全な別物。それでも日本はインドとやっていく術が必要になる。優秀なインド人を東大に呼ぶのもいいけど、もっといいのは、日本の優秀な理系高校生を医学部行きからひっぺがして IIT に送り込むことだと思う。

category: 父の本

cm 0   tb 0   page top

訪問者数

カテゴリ

最新記事

最新コメント

最新トラックバック