2018-05-03 Fig1.5 - Python で PRML #02 機械学習 Python PRML(パターン認識と機械学習 上)の実装 その2。Fig1.4 での過程で得られた RMS error(root-mean-square error)が 多項式次数 M に対しどう依存するかをグラフにしたもの。 なお、今回の結果のみでは M = 3~8 のどれを選べばいいのか?*1までは議論できないがその点に関しては§3.5.2参照。 今回は numpy.polyfit を使って省エネ。 題材 PRML 上巻 1章 図1.5 コード 出力結果 *1:今回の場合はPRML のように M = 3~8 が綺麗なフラットとはならなかった。 恐らく training set のデータ点数が少なく、データ生成時の乱数への依存度が大きいことによると思う。なお実装上は test set のデータ点数を1オーダー大きくとり検証時に training set の overfitting がたまたま合致とはならないようにした。