VisuAlgo - データ構造とアルゴリズムを可視化する
VisuAlgo.net/en visualising data structures and algorithms through animation VisuAlgo is a trilingual site. Try visiting the other versions of VisuAlgo other than the default English version, e.g., Chinese or Indonesian. Users can see the translation statistics for these three pages. We aim to make all three has near 100% translation rate. Unfortunately the translation progress with other language
私たちはいかにして環状線で”悪さをする列車”を捕まえたか | プログラミング | POSTD
文：Daniel Sim 分析：Lee Shangqian、Daniel Sim、Clarence Ng ここ数ヶ月、シンガポールのMRT環状線では列車が何度も止まるものの、その原因が分からないため、通勤客の大きな混乱や心配の種となっていました。 私も多くの同僚と同じように環状線を使ってワンノースのオフィスに通っています。そのため、11月5日に列車が止まる原因を調査する依頼がチームに来た時は、ためらうことなく業務に携わることを志願しました。 鉄道運営会社SMRTと陸上交通庁（LTA）による事前調査から、いくつかの電車の信号を消失させる信号の干渉があり、それがインシデントを引き起こすことが既に分かっていました。信号が消失すると列車の安全機能である緊急ブレーキが作動するため、不規則に電車が止まる原因となります。 しかし8月に初めて発生した今回のインシデントは、不規則に起こっているように見えるた
Pythonを使って行動ログの可視化 Sankey Diagram - 見習いデータサイエンティストの隠れ家
今やデータを残しておくことは簡単になってきており、様々なデータが日々蓄積されています。その中でも、何かしらのアクションのログを残しておいて、いつか役に立たせようと思っている方は多いかと思います。例えば、Webページの遷移ログや位置情報を使った行動ログなどです。ただ実際は、ログが膨大になり複雑さが増すことで、代表値だけの集計で終えているといった方も多いかと感じます。確かに、日々のアクセス数や平均購入額のまるっとした代表値だけでもわかることは多々ありますが、宝の持ち腐れな感も否めません。刀を持っているのにさやで戦っている感じです。やはり、行動ログがあるのならば、行動同士の関連性や、キーとなる行動につながっている行動を知りたいところです。そこで今回は、行動ログを使って行動全体の可視化をしてみたいと思います。そのために、『Sankey Diagram』を使います。Sankey Diagramの説明
Principal Component Analysis explained visually
By Victor Powell with text by Lewis Lehe Principal component analysis (PCA) is a technique used to emphasize variation and bring out strong patterns in a dataset. It's often used to make data easy to explore and visualize. 2D example First, consider a dataset in only two dimensions, like (height, weight). This dataset can be plotted as points in a plane. But if we want to tease out variation, PCA
数学・機械学習ビジュアルラーニングまとめ - Qiita
目で数学を理解したい ※随時更新中。良サイトを知っていたらコメントで教えてください。 調べたら、ここにまとめてあった - Distill 機械学習に関する難しい概念をインタラクティブに説明する次世代のアカデミックプラットフォーム。 - 3Blue1Brown 見たら「数学はこれで学びたかった」と誰も思うはず。 - Physics Videos by Eugene Khutoryansky オーバーに可視化しているところもありますが、イメージがつかめる - An Interactive Introduction to Fourier Transforms フーリエ変換をインタラクティブに説明。 - A VISUAL INTRODUCTION TO MACHINE LEARNING スクロールとともにスムーズに可視化が進んでいく。 - A Neural Network Playgroud ブラ
Lionel Messi Is Impossible
This is an archived site and is no longer being updated. New 538 articles can be found at www.abcnews.com/538. In their Group F World Cup match late last month, Argentina and Iran were still deadlocked after 90 minutes. With the game in stoppage time and the score tied at 0-0, Lionel Messi took the ball near the right corner of the penalty area, held it for a moment, then broke left, found his sea
seabornの細かい見た目調整をあきらめない - Qiita
はじめに seabornの洗練されたスタイルで作ったグラフはとてもきれいです。見た目だけでなく、列の多いデータの全体像を把握するのにも威力を発揮します1。特に適切に整形されたデータフレームを渡せばカテゴリの比較や全パラメータの相関を一瞥できる図が一瞬で作れる機能は、同等の図をmatplotlibで一から作る苦労を考えると驚愕に値します。データサイエンティストやkagglerに人気があるのも納得です。また、複雑なデータを扱っていないけど単に見た目の良いグラフを作りたいという人の要望にも簡単に答えてくれます。可視化のお作法的にも見た目的にもだいたい勝手にいい感じにしてくれる手軽さが売りのseabornですが、ときには自分で調整したくなるときもあります。matplotlibだと面倒な調整を手軽にやってくれるseabornらしいメソッドで解決できるならいいのですが、たまにseabornのベースであ
早く知っておきたかったmatplotlibの基礎知識、あるいは見た目の調整が捗るArtistの話 - Qiita
English version available on dev.to はじめに matplotlibで作ったグラフの細かい調整は大変です。何をどういじったらいいのかを調べるのにアホみたいに時間がかかることがあります1。「何を」の部分の名前さえわからないこともあります。解決の糸口を掴んだ後も希望通りの見た目を実現するまでの最後のアレンジに苦労することが多いです2。これらの問題はmatplotlibのグラフがどういう要素で構成されていて、それらに対してどういうことができるかを知ることでいくらか改善されます。私はひたすらStack Overflowの回答を読むことでいろんなつまづきを時間をかけて乗り越えてきましたが、最近になってようやく公式チュートリアルにこの苦労を回避できたはずのヒントが書いてあることに気づきました。初期にざっと目を通したのですが「なるほど、よくわからん」と判断して読み込まな
群衆の英知もしくは狂気
アイザック・ニュートン卿は、自分が賢い 人間だと信じていた。微分積分学や重力理論 を発明(inventing)したのだから、金融投資(investing) ができるくらい賢いはずだよね？まぁとにかく、短く まとめると、1720年 に起こった南海泡沫事件という全世界 的な投機ブームで、彼は(現在の価値で)$4,600,000を失ったんだ。 後にニュートンはこう言った。 “私は天体の動きを計算することはできるが、 人々の狂気については計算できない” 彼のために勉強しよう これまで市場、制度、民主制全体は 何度もおかしくなってきた。— 群衆の狂気だ でも君が人間に失望していたときですら、 ハリケーンが起きれば、みんなで協力してきたし、 コミュニティは問題を解決してきた。人々はよりよい 世界のために戦ってきた。— 群衆の英知だ！ しかしなぜ 群衆は狂気に向かったり 賢くなったり するのだろうか。
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Explained Visually
【今話題のパスソナー図を作ってみよう！】試合映像を観ながらのデータ手動計測→Photoshop/GIMPでのインフォグラフィック作成方法｜Sports Analytics Lab
ggplot2逆引き