はじめに matplotlibのプロット上でマウスによるボックス領域選択を行い、その結果(座標)を求めるコードを書きました。これの実現のためにはmatplotlib.widgetsというモジュールを使用します。もちろんmatplotlib.orgに載っているサンプルコードでも良いのですが、こちらはそのままでは座標を格納できないので以下のクラスのように実装する必要があると思います。また、領域の確定後に色付きボックスが残るようにアレンジしてみました(サンプルコードでは確定後にボックスが消えてしまいます)。 rectselect.py 以下のrectselect.pyをモジュールとしてインポートして使用します。色付きボックスのアレンジに関わるのがrelease関数なので、確定後にボックスを消したい場合にはreleaseに関わる行をコメントアウトすればOKです。 import numpy as n

はじめに セル・オートマトンとして有名なライフゲームが面白そうだったので、Pythonとnumpyでライフゲームのマップ配列を生成するコードを書いてみました。0(dead)と1(live)で書かれた初期世代のマップ配列を与えることで、iterativeに次世代のマップ配列を生成するgeneratorとして実装しています。マップは周期的境界条件(端と端がつながった状態)にも対応させてみました！ lifegame.py 以下のlifegame.pyをモジュールとしてimportして使用します。実際の使用例は下記のサンプルコードをご覧ください。進化のルールはWikipediaで紹介されている23/3に準拠してますが、コードの中をいじって容易に変えることができます。 usage >>> lg_map = lifegame.MapGenerator(map_init, periodic=False)

About reserved postingIf you register a secret article by the day before the same day, it will be automatically published around 7:00 on the same day. About posting periodOnly articles submitted after November 1 of the year can be registered. (Secret articles can be registered anytime articles are posted.)

勉強会で話した、Scikit-learnの入門資料です。speakerdecでも共有しましたが、slideshare一本化のためこちらにも上げますRead less

Pythonによるモンテカルロ法入門（2014/6/20） 最初にPythonで [0.0, 1.0] 間の一様乱数を生成してみます。 一様分布 一様分布（Uniform distribution）の確率密度関数（pdf）は下の式になります。 引用：http://en.wikipedia.org/wiki/Uniform_distribution_(continuous) numpy.randomによる一様乱数の生成 numpy.random.uniformで一様分布に従う乱数が生成できます。下のスクリプトでは、下限を0.0、上限を1.0とした一様乱数をNsim個生成し、ヒストグラムを描画しています。 # 一様乱数の生成してヒストグラムを描画 import numpy as np import matplotlib.pyplot as plt np.random.seed() N = 10

2014年03月29日02:37 カテゴリ金融・マーケット関連 理論と現実の誤差について考える～正規分布とベキ分布～ 金融取引の世界を見ると、「100年に1度の危機」と言われる大規模なマーケット変動が数年ごとに起こっている。 私たちはブラックスワンの存在に怯えながら、日々ポジション管理を行っている。 確率論に支配される正規分布の世界では、平均や変動、分散、標準偏差などの概念を使ってシミュレーションを行うと、平均からの距離に基づいて一定の確率で標本が分布していることがわかる。 その一方で、私たちが住んでいるこの世界はベキ分布に基づく複雑系世界なのだという。 地震を例に考えれば、プレート同士がぶつかり合う活断層地帯では、私たちが体感できないような微小地震が頻発している。そして、ある日突然、東日本大震災のような壊滅的な地震が起きる。 正規分布を基にリスク管理を考えると、微小地震の寄与率があまりに

購買系のビッグデータには「べき分布」が多く注意が必要 （第2回）と（第3回）で全量分析の優位点について紹介しました。本日からは、全量データに注意すべき点を説明します。本日は注意点①の以下のポイントです。 注意点①：サンプルデータは中心極限定理により正規分布を仮定されることが多いが、ビッグデータをそのまま扱うと「べき分布」になることが多く、分析には注意が必要。 「中心極限定理」とは、無作為抽出した標本で、かつ標本数が大きければ、母集団の分布にかかわらず「標本の平均値の分布」が正規分布に近づくというものです。これは誤解されることが多いのですが、母集団の分布にかかわらず正規分布に近づくのは、あくまで標本の「平均値の分布」で、「標本そのものの分布」は、当然のことですが「母集団の分布」に近づきます。しかし、統計分析の現場では、この中心極限定理を根拠に、サンプルデータでの統計解析をデータが正規分布であ