広告 書評 統計学

『スモールデータ解析と機械学習』正誤表(非公式)

スモールデータ解析と機械学習の正誤表

本ページは、書籍を読み進める中で個人的に見つけた誤植をまとめた非公式の正誤表です。

著者・出版社が公開する公式の正誤表ではありません。

内容には読者(私)の誤読・勘違いが含まれる可能性があります。

 

書誌情報

書名 スモールデータ解析と機械学習
著者 藤原 幸一
出版社 オーム社
発行日 2022年2月20日
ISBN 978-4-274-22778-3
ページ数 282ページ
対象 第1版第1刷

正誤表は手元の書籍の奥付(◯◯年◯◯月◯◯日 第◯刷発行)を確認ください。
重版で修正済みの誤植もあり得ます。

 

凡例

  • … 書籍に印刷されている(と思われる)表記
  • … 修正後の表記
  • 箇所 … 本文 / 式(番号) / 図(番号) / 表 など

 

正誤表

※表がはみ出す場合は、表の部分を左右にスクロールしてご覧ください →

ページ 箇所
P.20 本文 下から2行目 交絡を発生させる隠れた要因をといいます 交絡を発生させる隠れた要因を交絡因子といいます
P.28 式(2.16) \(\sum_{n=1}^{N} t_{n1}^{2}\) \(\sum_{n=1}^{N} t_{n,1}^{2}\)
P.52 式(3.11),(3.12) \(-yX\beta\) \(-y^{\top}X\beta\)
P.52 式(3.12) \(-X^{\top}\beta^{\top}y + X^{\top}\beta^{\top}X\beta\) \(-\beta^{\top}X^{\top}y + \beta^{\top}X^{\top}X\beta\)
P.58 式(3.38) \(E[(CX\beta-C\epsilon-\beta)(CX\beta-C\epsilon-\beta)^{\top}]\) \(E[(CX\beta+C\epsilon-\beta)(CX\beta+C\epsilon-\beta)^{\top}]\)
P.61 式(3.55) \(-\frac{n}{2}\log\left(2\pi\sigma^{2}\right)\) \(-\frac{N}{2}\log\left(2\pi\sigma^{2}\right)\)
P.72 図3.6 \(T\) \(T_{R}\)
P.72 図3.6 \(\beta_{pcr}^{R}=P_{R}^{\top}\beta_{R}\) \(\beta_{pcr}^{R}=P_{R}\beta_{R}\)
P.73 上から4行目 \(t_{R}=P_{R}x\) \(t_{R}=P_{R}^{\top}x\)
P.73 式(3.81) \(\beta_{R}^{\top}P_{R}x\) \(\beta_{R}^{\top}P_{R}^{\top}x\)
P.73 式(3.82) \(\beta_{pcr}^{R}=P_{R}^{\top}\beta_{R}\) \(\beta_{pcr}^{R}=P_{R}\beta_{R}\)
P.82 式(3.97) \(\frac{1}{N-1}\,t^{\top}t\) \(\frac{1}{N-1}\,t_1^{\top}t_1\)
P.84 式(3.108) \((t_1^{\top}t_1)^{-1}t_1^{\top}x_p\) \((t_1^{\top}t_1)^{-1}t_1^{\top}x_m\)
P.84 式(3.108) \(\frac{t_1^{\top}x_p}{\left\| t_1\right\|^{2}}\) \(\frac{t_1^{\top}x_m}{\left\| t_1\right\|^{2}}\)
P.84 式(3.109) \(\frac{t_1^{\top}x_P}{\left\| t_1\right\|^{2}}\) \(\frac{t_1^{\top}x_M}{\left\| t_1\right\|^{2}}\)
P.86 上から5行目 回帰係数 \(b\) は 回帰係数 \(\beta_{pls}\) は
P.117 式(4.2),(4.3) \(\log L(\beta)\) \(\ln L(\beta)\)
P.117 式(4.2),(4.3) \(-\frac{N}{2}\log\left(2\pi\sigma^{2}\right)\) \(-\frac{N}{2}\ln\left(2\pi\sigma^{2}\right)\)
P.119 式(4.11) AIC BIC
P.122 式(4.17) \(\hat{\beta}_{ridge}\) \(\hat{\beta}_{lasso}\)
P.129 図4.8 説明文1行目 初期値を \(\hat{\eta}_2\) 初期値を \(\hat{\eta}_0\)
P.139 下から3行目 隣接行列 \(G\) とは、要素 \(g_{ij}\) 隣接行列 \(W\) とは、要素 \(w_{ij}\)
P.144 アルゴリズム4.4 7: \(N=N\) 7: \(L=N\)
P.163 式(5.16) \(2S_{B}\boldsymbol{w}\boldsymbol{w}^{\top}S_{W}x\) \(2S_{B}\boldsymbol{w}\boldsymbol{w}^{\top}S_{W}\boldsymbol{w}\)
P.163 式(5.17) \(S_{B}\boldsymbol{w}(\boldsymbol{w}^{\top}S_{W}x)\) \(S_{B}\boldsymbol{w}(\boldsymbol{w}^{\top}S_{W}\boldsymbol{w})\)
P.163 本文 ここで \(\boldsymbol{w}^{\top}S_{W}x\) と ここで \(\boldsymbol{w}^{\top}S_{W}\boldsymbol{w}\) と
P.163 式(5.18) \((\boldsymbol{w}^{\top}S_{W}x)S_{B}\boldsymbol{w}\) \((\boldsymbol{w}^{\top}S_{W}\boldsymbol{w})S_{B}\boldsymbol{w}\)
P.166 式(5.29) \(x^{\top}Mx+\lambda\left(x^{\top}x-1\right)\) \(x^{\top}Mx-\lambda\left(x^{\top}x-1\right)\)
P.168 式(5.37) \(\sum_{n\in C_1}\left(x_n x_n^{\top}+\sum_{n\in C_2}x_n x_n^{\top}\right)\boldsymbol{w}\) \(\left(\sum_{n\in C_1}x_n x_n^{\top}+\sum_{n\in C_2}x_n x_n^{\top}\right)\boldsymbol{w}\)
P.200 上から7行目 性能が大きく先導 性能が大きく変動
P.220 式(6.17) \(t\) は異常検出時の \(t\,(=V_{R}^{\top}x)\) は異常検出時の
P.223 式(6.19) \(RE=\left\| \hat{x}-x\right\|\) \(RE=\left\| \hat{x}-x\right\|^{2}\)
P.248 本文 「…精度の精度の…」(語の重複) 「…精度の…」

 

更新履歴

日付 変更内容
2026-07-05 v0.1 手書きメモから一次ドラフトを作成
2026-07-19 v0.2 備考欄を削除。
2026-07-19 v0.3 スマホ表示時に表を横スクロール可能に調整

 

補足・免責

  • 本正誤表は学習目的で作成した個人的なメモであり、著者・出版社とは無関係です。
  • 記載内容の正確性は保証されません。
  • 誤り・追加情報があればコメント等でお知らせください。
  • この記事を書いた人
  • 最新記事

こーし

■ケミカルエンジニア
■化学メーカー勤務
■現場配属の生産技術
■化学工学技士、統計検定1級など
■化学工学 × データサイエンス
pythonと数理統計学を勉強中!

-書評, 統計学
-