エレコム、過去発売のWi-Fiルーターに脆弱性　更新期間終了済み、“買い替え”推奨　「力及ばず謝罪しかできない」 エレコムは8月10日、過去に販売していた一部Wi-Fiルーターに脆弱性が見つかったと発表した。対象製品は2017年2月以前に発売したもので、いずれもすでにアップデートサービスを終了している。悪用された場合、攻撃者によって任意のコマンドが実行される可能性があるため、同社は代替製品への切り替えを勧めている。 対象製品は15年9月〜17年2月に発売したエレコムブランドの14製品と、子会社のロジテックが09年10月〜13年5月に発売した12製品。製品発売当時には存在しなかった脆弱性であり、すでにアップデートサービスの期間を終えているため、別の製品への交換（買い替え）でしか対応できないとしている。 エレコムは公式X（元Twitter）アカウント（＠elecom_pr）で「本件、力及ばず謝

はじめに 機械学習に関する実用的な知見を知るために、「Kaggleで勝つデータ分析の技術」を読んだので、Kaggle以外の場面でも活用できる話題をまとめてみた。本書は機械学習の基本的な内容も含んでいるが、この記事では機会学習に関する一通りの知識を持ち、実問題に利用している読者を想定してまとめた。従って、勾配ブースティング木の仕組みや、回帰タスクの評価方法等、基本的な内容については解説しない。本記事では、評価の落とし穴や、モデルを改善するための特徴量の工夫、チューニングのTipsについて紹介する。 特徴量 Tips 1: 欠損値の扱い データにはしばしば欠損値が含まれている。欠損値は、そもそも値が存在していない場合の他に、ユーザが意図して入力していない場合や、観測器のエラーによって取得できていない場合等、様々な理由によって生じる。欠損がランダムに発生していない限り、欠損しているという事実が何