iOS開発する上で絶対に押さえておく8つの項目 - Qiita
レスポンスはキャッシュされる NSURLConnectionでもAFNetworkingでも、レスポンスは設定によってはキャッシュされます httpのレスポンスコードを正しく返す必要があります。 サーバーからのjsonのレスポンス、画像のキャッシュの設定をしっかりみる必要があります 特に、普段返さないエラーページやメンテナンスページの設定を確認する必要あり バージョンコントロール 下位バージョンをサポートしないことで、インストールがかなり落ちます。 一度間違えて、7.1のときに7.0以降でなく7.1以降という設定でリリースして3割ほどインストールが落ちました cocoapodを利用している場合は、Podfileに書いているバージョンとprojectのバージョンに違いがあるかも注意する必要があります。 特定の7.0.2だけviewが崩れる問題などもありました iOSの細かい設定の違い カレン
Macでの作業効率アップ！「初心者」が覚えておくべきMacショートカットまとめ｜男子ハック
Mac小技・裏技・初心者Macのショートカット・作業効率化Macでの作業効率アップ！「初心者」が覚えておくべきMacショートカットまとめ2017年5月15日6 @JUNP_Nです。Macでの作業効率をあげるためには「ショートカット」を覚えることが一番の近道。Macを使う上で、"初心者向け"の基本的なショートカットをまとめてご紹介。これで仕事が2倍速になるかも!? Macに限ったことではありませんが、パソコンの初心者と中級者をわける1つのポイントに「"ショートカット"を使いこなせるか」という点があります。 いちいちマウス(トラックパッド)を操作して、メニューを選択〜、右クリック〜、といった操作をしているよりも、キーボードからショートカット1発でサッと済ませられることがたくさんあります。 この記事では、"Macを使い始めたばかり"という超初心者の方が覚えておくと仕事が捗るショートカットをご紹介
sklearn.ensemble.RandomForestClassifier
sklearn.ensemble.RandomForestClassifier¶ class sklearn.ensemble.RandomForestClassifier(n_estimators=100, *, criterion='gini', max_depth=None, min_samples_split=2, min_samples_leaf=1, min_weight_fraction_leaf=0.0, max_features='sqrt', max_leaf_nodes=None, min_impurity_decrease=0.0, bootstrap=True, oob_score=False, n_jobs=None, random_state=None, verbose=0, warm_start=False, class_weight=None, ccp_a
パッケージユーザーのための機械学習(5)：ランダムフォレスト - 渋谷駅前で働くデータサイエンティストのブログ
（※はてなフォトライフの不具合で正しくない順番で画像が表示されている可能性があります） さて、こんな記事をクリスマス・イヴのプレゼントにするのはアレなんですが（笑）、教師あり学習＆分類器系では一旦これでシリーズを〆る予定です。 トリを飾るのはランダムフォレスト。アンサンブル学習の代表選手ですね。「ランダムフォレスト最強」とか言っちゃう人が多いらしいんですが*1、そういう人にはぜひ今回（と次回予定の5回分まとめ）の記事を読んでもらいたいなぁと思います。 今回の参考文献もピンクの薄い本です。pp.193-197に決定木、バギング、アダブーストの後にランダムフォレストの説明があります。 はじめてのパターン認識 作者: 平井有三出版社/メーカー: 森北出版発売日: 2012/07/31メディア: 単行本（ソフトカバー）購入: 1人 クリック: 7回この商品を含むブログ (4件) を見る 他だと、例
実務でRandomForestを使ったときに聞かれたこと - shakezoの日記
Machine Learning Advent Calendar 2012 の 21 日目の記事です。 私は普段は受託のデータ解析を仕事にしてます。過去に何度か実務でRandomForestを利用する機会がありましたので今日は以前顧客にプレゼンをした時に、質問された内容とその回答を紹介したいと思います。普段は機械学習・データマイニングを実務の立場利用しており、手法そのものの専門家ではないので、間違いなどが有りましたらご指摘ください。 さてRandomForestは有名なアルゴリズムですので、ご存じの方も多いとは思いますが、CARTの開発者でもある、Leo Breimanが2001年に提案した決定木を用いた集団学習アルゴリズムの１つです。一言で言えば、大量の決定木を作成して、それぞれの決定木が出した答えを多数決し、最も支持の多かったクラスに分類する手法です。(回帰の場合は平均を返します） R
検索における適合率 (Precision) と再現率 (Recall)
検索における適合率 (Precision) と再現率 (Recall) 2008-01-17-1 [IIR] 「Introduction to Information Retrieval」[1] の輪講の第一回[2008-01-12-1]でちらっと話しましたが、第一章の 1.1 に Precision と Recall の説明があります（第八章でも出てきます）。 若干混乱しやすくややこしい話なので、ここで改めて解説します。 § Precision (適合率) とは、 全検索結果に対しての、 検索要求 (information need) を満たす検索結果の割合です。 例えば、 「MacBook Air の重量を知りたい」という検索要求を満たすために検索キー「MacBook Air 重さ」でウェブ検索した結果100件のうち、検索要求を満たす（重さが分かる）のが85件だとすると、 Precis
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
