オンライン機械学習の弱点って？？：Passive Aggressiveのプロセスを実装＆可視化 - Qiita
Abstract オンライン機械学習のアルゴリズムの一つであるPassive Aggressive (PA)をpythonで実装しました。 学習の過程を可視化することにより、オンライン機械学習の欠点の一つであるノイズに弱いという点を実感し、その解決案を考えてみます。 あんまり理論についての詳しい解説ではないです。 理論をしっかり学びたい方はオンライン機械学習 (機械学習プロフェッショナルシリーズ)に詳しく書いてあるので、そちらを参考にしていただければ幸いです。 この動画を見て、実装してみたいなーと思った人が対象かなと思います。 このページと結果を出力するコードが全部乗っているgithubリポジトリが誰かの参考になれば幸いです。 オンライン機械学習とは？ 一言で表すと データが与えられる度に逐次的に学習を行う手法 です。 これに対し、既に存在しているデータ全体を利用してまとめて学習を行う手法
『コロナ感染マップ、誰も作らないので私が作りました』
マスメディア報道のメソドロジーマスメディア報道の論理的誤謬（ごびゅう：logical fallacy）の分析と情報リテラシーの向上をメインのアジェンダに、できる限りココロをなくして記事を書いていきたいと思っています（笑） 緊急事態宣言が都道府県ごとに解除される中、ハッキリ言ってピントがズレているのは、専門家会議が感染者の【空間分布 spatial distribution】を定量的に把握することなく、都道府県ごとの感染者数の時間変動のみを参考にブレイン・ストーミングによって緊急事態の解除の可否を検討していることです。 緊急事態の空間的な解除を見極めるにあたって、本当に重要なことは、特定地域の感染率の空間分布の挙動が時間の経過とともにどのように変化しているかという【時空間挙動 spatio-temporal behaviors】を把握することです。また、同一都道府県内においても歴然とした【不
決定木の可視化ライブラリ「dtreeviz」が凄かったのでまとめる - St_Hakky’s blog
こんにちは。 決定木の可視化といえば、正直scikit-learnとgraphvizを使うやつしかやったことがなかったのですが、先日以下の記事をみて衝撃を受けました。そこで今回は、以下の解説記事中で紹介されていたライブラリ「dtreeviz」についてまとめます。 explained.ai dtreevizの概要 dtreevizとは より良い決定木の可視化を目指して作られたライブラリです。 解説記事 : How to visualize decision trees Github : GitHub - parrt/dtreeviz: A python machine learning library for structured data. Sample Imagesdtreeviz/testing/samples at master · parrt/dtreeviz · GitHub 多
OSSのデータ可視化ツール「Metabase」が超使いやすい - Qiita
Metabase、まじでイケてる。 1日で、Re:Dashから乗り換えました。 Metabaseとは OSSのデータ可視化ツール。Re:Dashとかと同じ類。 AWSとかに乗せて、誰もが見れるダッシュボードを作ったりする時に使うと、俺かっけーってなります。 スクリーンショット 実際に社内で運用している様子をモザイク付きでお見せします。 毎日みているダッシュボード。これの4倍くらいの数値見てる。 ダッシュボードの編集。マウスで簡単に位置や大きさの変更ができる。 クエリビルダー的なやつがあり、グルーピングとか超絶便利。SQL書けない人でも、単一テーブルとかだったら余裕かと。 グラフ化も簡単。 SQLでのクエリ編集画面。ちゃんと補完してくれる。 Metabaseの良い所 見た目が格好いい。 インストールが簡単。 openjdk-8-jdk入れて、jarファイル置くだけ。 豊富なデータソースに対応
九九ビジュアライゼーション 〜そして九九九へ〜 - アジマティクス
九九の視覚化、流行ってますね。発端はこちらです。 昔、自分が欲しかった表を作りました。 ふつうの九九表の、補助教材として使えるかも… pic.twitter.com/x19P5utcNr — まうどん🔵4/2〜8は発達障害啓発週間 (@mauzoun) 2017年3月29日 引用元：twitter（@mauzoun） なるほど。数が増えていく感がわかりやすいですね。これをきっかけにして全国的に九九の視覚化ブームが発生し、次のようなものも現れました。 @mauzoun 非常に面白いし良いと思います。ただ、個人的には順序が変わると面積が変わってしまい、交換法則が逆に理解しづらくなるぶん改良の余地ありと感じました。私案貼っときますのでご参考まで。 pic.twitter.com/w6bqVaacmk — Yutaka tanida (@L_star) 2017年3月30日 九九のビジュアル理解
メルカリのデータサイエンスチームと分析エコシステムのはなし | メルカリエンジニアリング
※各プロダクト名の頭の”Google”は省略しています ※もちろん実際にはGoogle社のツール以外にも様々な分析用プロダクトが使われています 各ツールの詳細についてはWeb上の良質な情報がたくさんあるので、説明はそちらに譲るとして、ここではそれぞれの簡単な特徴とメルカリでの活用の仕方について主に述べていきます。 ◆ 1.BigQuery “弊社分析の中核的存在” 利用シーン： データの集計 どんなツールか Google BigQuery SQLの超速いやつ どんな大きなデータでも、複雑なクエリでも、高速で結果を返してくれる頼れるアニキ メルカリの分析での使い方 速いは正義 メルカリは多くのユーザを抱えているため、そのログデータも非常に巨大です。 そのため、通常のSQLでは計算に時間がかかりすぎるということが多々発生します。 BigQueryは とにかく「高速」の一言。なのでトライアンドエ
経済指標ダッシュボード
日本経済の動向を把握するのに役に立つ経済指標を一覧できます。国内総生産（ＧＤＰ）成長率や物価上昇率など政府・日銀が注目する指標から金融市場の指標まで、データやグラフの保存もできます。
「この業務は彼・彼女しかできません」という状況は誰のメリットにならない - 室長のひとりごち
理想のチームは、チームの目標をメンバが率先して共有して理解して、目標を設定して目標を達成するための活動に取り組むことです。 たぶん、誰もがそうすればいいことは言われれば「当たり前だ」というけれど、自律して実践しているメンバは数える程しかいないのが現実です。であれば、どのようにしてチームの業務を目指す運営状態にすれば良いでしょうか。 業務を再定義する チームが担う業務の範囲を再確認し、チームが責任を負う業務の定義をし直します。わかっているメンバは暗黙でわかっているかもしれませんがそれはこれまでわかっているはずの業務を担当していたからです。 チームであれば、誰がやっても同じ業務の結果を得られることが理想であり、目標になる姿なのです。 バリューストリームマッピングなどの手法を使い、業務を可視化しましょう。 業務の依存関係を知る 業務を可視化すると一つの業務には必ずインプットとアウトプットがありま
Google の可視化ツールの Data Studio を試してみた - 唯物是真 @Scaled_Wurm
Google Data Studio (データスタジオ) という可視化サービスがベータ版で使えるようになっていたので試してみた 見たい数値を一覧するためのダッシュボード的なものを作るためのサービスなので、いろんな場所からデータを取ってきて一箇所でまとめて確認するのが用途っぽい(今のところ似たようなサービス・ツールの方が機能が多そう データソース データソースとしてGoogle AnalyticsやBigQuery、Google Spreadsheet、MySQLなどを選んでデータを取ってこれる データソースを選んでGUIでグラフやテキストを配置していく データの既存のフィールドに関数を適用した結果の値を使うこともできる 使える関数のリスト 下の画像ではGoogle Analyticsの「ブラウザ」(Chrome, Firefoxなど)と「ブラウザのバージョン」(バージョンの番号)をCONC
世はまさに大フーリエ時代
目次 §1 始まりは一枚のgif §2 勃発！視覚化大バトル §3 アフロ、レモン、そしておしり §4 ただでさえ天使 §5 手軽な手書き §? ？？？
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
タウンワークをドライブさせるためになんちゃってアジャイルをやめた話 #devsumi #devsumiB / devsumi2018
Google製可視化OSSのFacetsがめっちゃ便利だから使ってみてくれ - Qiita