Занимательная манга. Машинное обучение

Занимательное  
машинное обучение

Манга

О Б РА З О В АТ Е Л Ь Н А Я  М АН ГА
ЗАНИМАТЕЛЬНОЕ
МАШИННОЕ ОБУЧЕНИЕ

Араки Масахиро

Художник Ватари Макана

Перевод
А. С. Слащевой

Москва 
ДМК Пресс, 2020

УДК 004.4
ББК 32.972
 
А79

 
Араки М., Ватари М.
А79 
Занимательная манга. Машинное обучение: манга / Араки Масахиро (автор), 
Ватари Макана (худ.); пер. с яп. А. С. Слащевой. — М.: ДМК Пресс, 
2020. — 214 с. : ил. — (Серия «Образовательная манга»). — Доп. тит. л. яп. 

 
ISBN 978-5-97060-830-2

Сотруднику городской администрации Киёхара Кадзума поручено задание, 
которое без машинного обучения не выполнить. Под руководством своей давней 
знакомой Мияно Саяка он осваивает премудрости работы с искусственным 
интеллектом – от самых азов до глубокого обучения.
Вместе с героями манги читатели узнают о том, что такое регрессия и как 
проводить классификацию, ознакомятся с принципами оценки тестовых данных 
и особенностями работы нейронных сетей. В заключительной части излагаются 
методы обучения без учителя.
Издание предназначено для тех, кто начинает знакомство с машинным обучением 
и освоил математику на уровне первых курсов университета.

УДК 004.4
ББК 32.972

Manga de Wakaru Kikai Gakushu (Manga Guide: Machine Learning ) 
By Araki Masaxiro (Author), Illustration by Vatari Makana 
Published by Ohmsha, Ltd. 
Russian language edition copyright © 2020 by DMK Press

Все права защищены. Никакая часть этого издания не может быть воспроизведена 
в любой форме или любыми средствами, электронными или механическими, включая 
фотографирование, ксерокопирование или иные средства копирования или сохранения 
информации, без письменного разрешения издательства.

ISBN 978-4-274-22244-3 (яп.)   
Copyright © 2018 by and Office sawa, Ltd.
ISBN 978-5-97060-830-2 (рус.)  
© Издание, перевод, ДМК Пресс, 2019

 
V

В этой книге я представил несколько репрезентативных методов машинного 
обуче ния и попытался по возможности просто изложить их суть. Ее предполагаемая 
аудитория – те, кто только начинает знакомство с машинным обуче нием 
и уже владеет математикой на уровне первых курсов университета. Но если вы не 
дружите с математикой, то можете ознакомиться с разъяснениями в конце каждой 
главы и примерно понять, какие задачи решаются с помощью этих методов.
Особенность данной книги в том, что в начале каждой главы ставится задача, 
а затем постепенно объясняются методы машинного обучения, необходимые для 
ее решения. В таблице ниже перечислены задачи и методы, которые будут рассматриваться 
в каждой главе.

Глава
Задача
Метод

1
Прогноз количества участников 
мероприятия
Линейная регрессия

2
Определение вероятности 
заболевания диабетом
Логистическая регрессия, решающее дерево

3
Оценка результатов обучения
Метод проверки на резервированных данных, 
перекрестная проверка
4
Сортировка винограда
Сверточная нейронная сеть
5
Определение вероятности 
заболевания диабетом (повтор)
Ансамблевые методы

6
Рекомендация события
Кластерный анализ, матричное разложение

В каждой главе будет предложено лишь введение в тот или иной метод. Если 
вы хотите применить его на практике для решения какой-либо задачи, я советую 
обратиться к учебникам, которые указаны в списке рекомендованной литературы 
в конце книги.
Наконец, я благодарю всех сотрудников издательства Ohmsha за возможность 
написать эту книгу. Я также благодарен г-же Ватари Макана и всем сотрудникам 
Уильтэ, которые превратили мою рукопись в веселую мангу.

Июль 2018 года,
Араки Масахиро

Предисловие
Предисловие

Содержание
Содержание
VI

содержание
содержание

ПРЕДИСЛОВИЕ ....................................................................................... V

Пролог 
ПОГОВОРИМ О МАШИННОМ ОБУЧЕНИИ ...................1

В кабинете у Саяка (1). Саяка и старшеклассница Ай ...........................14

Глава 1 
ЧТО ТАКОЕ РЕГРЕССИЯ ...............................................................15

1.1. Сложности с прогнозом ..........................................................................16
1.2. Определяем зависимые и независимые переменные ................17
1.3. Находим функцию линейной регрессии ........................................ 20
1.4. Регуляризация результата ...................................................................... 22
В кабинете у Саяка (2). Математическое повторение (1) ....................34

Глава 2 
КАК ДЕЛАТЬ КЛАССИФИКАЦИЮ? ....................................39

2.1. Приводим данные в порядок ...............................................................46
2.2. Определяем класс данных .................................................................. 47
2.3. Логистическая регрессия ..................................................................... 49
2.4. Классификация по решающему дереву ..........................................55
В кабинете у Саяка (3). Математическое повторение (2) ................... 74

Содержание
Содержание
VII

Глава 3 
ОЦЕНКА РЕЗУЛЬТАТОВ ..............................................................77

3.1. Без проверки тестовых данных никак нельзя ................................ 82
3.2. Обучающая, тестовая и проверочная выборки ............................. 83
3.3. Метод перекрестной проверки (кросс-валидации) ..................... 85
3.4. Доля правильно предсказанных объектов, точность,  
полнота и F-мера ............................................................................................. 87
В кабинете у Саяка (4). Математическое повторение (3)....................95

Глава 4 
ГЛУБОКОЕ ОБУЧЕНИЕ ...................................................................97

4.1. Нейронная сеть ....................................................................................... 103
4.2. Обучение методом обратного распространения ошибок  ....... 107
4.3. Вызовы глубокого обучения ................................................................111
4.3.1. Проблема глубокой нейронной сети ..................................112
4.3.2. Хитрости многоступенчатого обучения 
1. Метод предварительного обучения ............................................113
4.3.3. Хитрости многоступенчатого обучения 
2. Функция активации ...........................................................................115
4.3.4. Хитрости многоступенчатого обучения 
3. Как избежать переобучения ........................................................... 117
4.3.5. Нейронные сети со специализированной  
структурой ................................................................................................118
В кабинете у Саяка (5). Математическое повторение (4) ................. 134

Глава 5 
АНСАМБЛЕВЫЕ МЕТОДЫ ....................................................139

5.1. Бэггинг ....................................................................................................... 146
5.2. Cлучайный лес ........................................................................................149
5.3. Бустинг ...................................................................................................... 152
В кабинете у Саяка (6). Математическое повторение (5) ................. 160

VIII

Содержание
Содержание

Глава 6 
ОБУЧЕНИЕ БЕЗ УЧИТЕЛЯ ......................................................165

6.1. Кластеризация ..........................................................................................172
6.1.1. Иерархическая кластеризация ...............................................173
6.1.2. Разделяющая кластеризация ................................................. 175
6.2. Разложение матрицы .............................................................................179
В кабинете у Саяка (7). Математическое повторение (6) .................. 191

ЭПИЛОГ ...................................................................................................197

ПРЕДМЕТНЫЙ УКАЗАТЕЛЬ ................................................205

Пролог
Пролог

Поговорим 
Поговорим 

о машинном 
о машинном 

обучении
обучении

Зачем нужно  
машинное обучение?

В одном 
университете

Топ-
Топ-

Топ-
Топ-

Топ-
Топ-

Топ
Топ

Топ-
Топ-

Топ-
Топ-

Топ
Топ

Топ-
Топ-

Топ-
Топ-

Топ-
Топ-

Топ-
Топ-

топ
топ

топ
топ

топ
топ

топ-
топ-

КЛИК
КЛИК

Нда…  
так тоже нельзя

Хм… неплохо бы 
найти и это,

но на компромисс 
идти я не хочу.

БУХ!
БУХ!

Профессор 

намигоэ?

- Да что ж...
...такое! Киёхара-кун, 
что случилось?  
Давно тебя  
не видела!

- А, Саяка-
сэмпай1!

уф
уф

уф
уф

- Сэмпай, тут есть кто-нибудь еще? 
Надо поговорить  
с профессором Намигоэ...

Киёхара Кадзума
Вот уже год как работает в городской 
администрации.
Изучал машинное обучение в университете 
на факультете компьютерных технологий,  
но так ничему толком не выучился.

- Увы! Тут только я!  
Сколько раз тебе говорила - 
входи в лабораторию  
ТИХО!

- П-простите!

СЕРЬЕЗНЫМ 
СЕРЬЕЗНЫМ 

ТОНОМ
ТОНОМ

Сэмпай – название старших по курсу/классу учеников или студентов. Антоним – слово «кохай», 
которое обозначает младшего по курсу. – Прим. перев.
3

Киёхара-кун совсем 
не поменялся,  
хоть теперь  
и нашел работу…

Мияно Саяка
Сэмпай Киёхары.
Учится на втором курсе 
магистратуры.

Все такой же  
шумный, бестолковый, 
не слышишь, 
что тебе говорят, 
и потом...

Саяка-сэмпай,  
вы как обычно...

Что как обычно,  
как обычно  
придираюсь…

Нет, нет!

Как обычно, 
милая…

Нет, это не так. 
А когда вернется  
профессор Намигоэ?

УГУ
УГУ

Ну мне 
Ну мне 
так кажется…
так кажется…

вот    
вот    
подарок
подарок

Он вместе с другими  
лаборантами в командировке  
за границей, раньше, чем  
через два месяца,  
не вернется.

ЧТо?!

Спасибо!
Спасибо!

Пролог. Поговорим о машинном обуЧении
Пролог. Поговорим о машинном обуЧении
4

Блин, мне это  
никак не подходит!

Что-то  
случилось?

в      ужасе
в      ужасе

трясется
трясется

Я хотел попросить  
профессора Намигоэ  
рассказать мне про  
машинное обучение…

машинное 
обучение?

Киёхара, ты же работаешь у себя  
в местной администрации.  
Ты же говорил: «хочу спокойно  
работать дома и жить в свое  
удовольствие». Зачем тебе  
машинное обучение?

О-хо-хо...

Киёхара-кун  
в университете

Что? Работу искать?  
Что? Работу искать?  

Хочу не слишком 
Хочу не слишком 

напряженно работать  
напряженно работать  

в хорошем месте
в хорошем месте

У тебя что-то  
стряслось? Может, 
мне расскажешь?

Пролог. Поговорим о машинном обуЧении
Пролог. Поговорим о машинном обуЧении
5