Meta said today that it finally launched its much-awaited API for Threads so developers can build experiences around it. This will allow-third party developers to create new experinces around Mark…
分位点回帰、という手法のご紹介です。 通常の回帰直線は、$x$が与えられた時の$y$の条件付き期待値(平均)と解釈できますが、分位点回帰では、25%分位点、とか95%分位点、等で使われる "分位点" をベースに回帰直線を引いてみようというものです。 何はともあれ、まずはこれを使ってグラフを書いて可視化を試みます。 1.誤差の分散が説明変数に依存した正規分布の例 説明変数$x$が小さいところでは誤差の分散が小さく、大きいところでは誤差の分散も大きくなるようなケースです。そんなデータを生成して試しています。 分位点回帰では、分位点ごとに異なる $\beta$が設定されるので、それぞれ傾きが異なります。 分位点回帰の実行結果 下から順に5%, 10%, 25%, 75%, 90%, 95%の分位点回帰直線と、通常の回帰直線です。 まずはデータを生成して散布図を描きます。 # 未インストールならイ
Treasure Data(以下、TD)に入社して早2週間が経ちました。 入社してから、平成14年度IPA未踏ユース第1期で同期でスーパークリエイタであった西田さんがTDで働いているのを知りました。MapReduceやHadoopが登場した頃、「Googleを支える技術」という技術書*1でお世話になったのですが、いつの間にかTreasure Dataを支える人になっていたんですね*2。 Googleを支える技術 ?巨大システムの内側の世界 (WEB+DB PRESSプラスシリーズ) 作者: 西田圭介出版社/メーカー: 技術評論社発売日: 2008/03/28メディア: 単行本(ソフトカバー)購入: 47人 クリック: 1,166回この商品を含むブログ (374件) を見る TDではおかげさまで結構なペースでお客さんが増えていて事業規模拡大に備えて幅広い職種で人材募集中です。今回はTDのバッ
会社の偉大な先輩(やまよこすぁん)に「ブログを書け!(今週中に。ニッコリ)」と業務命令が飛んで参りましたので、目黒のサンマルクカフェでドヤ顔でブログを1本書きました。 実際、ITベンチャーにいるからにはブログ活動をしなければと感じていたので、良いきっかけをもらえたなと思っています。 ブログタイトルは「ファッションの流行は、いつ、どのようにつくられるのか?」です。(大げさな感じもしますが。。 B2B原糸メーカーからエンドユーザー向けのファッションサービス運営・開発ベンチャーへ転職し、ファッション業界の川上から川下までを広く浅く経験した僕に合っていると思われるテーマしたつもりです。 ファッションの流行とは? いきなりですが、「流行」ってなんでしょうか? 僕が自分でふと思ったのは、 ・instagramで頻繁にタイムラインに現れるパンケーキ写真 [食べ物] ・Twitterで頻繁に見かける「ラッ
Big Data Pipeline and Analytics Platform Using NetflixOSS and Other Open Source Libraries Netflix collects over 100 billion events per day from over 1000 device types and 500 apps/services. They built a big data pipeline using open source tools like NetflixOSS, Hadoop, Druid, Elasticsearch, and RxJava to ingest, process, store, and query this data in real-time and perform tasks like intelligent al
@nqounetです。 Perl入学式ネタで3記事目です。 それなのにこういうタイトルをつけるとビビりますが、まだ勢いが足りてないような気もします。 たった1つと書いていますが、2つ紹介します。 Data::PrinterあるいはDDP 最低限必要なのはこっちです。 プログラミングの基本はデバッグです。 文法を覚えることではありませんよ。(個人の感想です) Perl入学式も第2回まではスカラと配列だけですが、ハッシュも出てきて、さらに入れ子(リファレンスが必要です)になっていると中身を確認するのも一苦労です。 その辺を感覚的に見てもらうためにも、データの構造がわかるような仕組みが必要です。 最近はChromeのデベロッパーツールが常に画面に出ている状態ですが、JavaScriptのConsoleはいいですよ。 配列もオブジェクトも丸見えです。 Perlも使い勝手では負けますが、簡単にプリン
タイトルがそのままですが、GrowthForecastのDocker imageを作りました。 https://registry.hub.docker.com/u/kazeburo/growthforecast/ 使い方は単純に起動するだけなら次のようになります。 $ docker run -p 5125:5125 kazeburo/growthforecast これだと、データが永続化されないので、適当なボリュームをマウントします。 $ docker run -p 5125:5125 -v /host/data:/var/lib/growthforecast kazeburo/growthforecast 起動オプションを変更したい場合は、コマンドを渡すか、Dockerfileを書いてビルドすると良いでしょう。 $ docker run -p 5125:5125 -v /host/dat
測定したい CH を adc_chs[] に設定しておくと一度の計測で順次読み出しします。 基準電圧 3.3V として測定範囲を 0v 〜 3300mv と仮定して mvolts に MCP3208 のピン入力の電圧値を、rvolts に 100kΩ : 4.7kΩx2 で分圧したときの推定入力値を表示してますのでこのへんは自分の回路に合わせて変更してください。 実行部分を細工してあるので、このまま他のスクリプトから require なり load して関数部分だけ使えます。 # -*- coding: utf-8 -*- # port of the Adafruit MCP3008 interface code found @ http://learn.adafruit.com/send-raspberry-pi-data-to-cosm/python-script # # adjast
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
処理を実行中です
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