Kaggle TalkingData Fraud Detection コンペの解法まとめ(基本編) | リクルート
のようになっています。 click_time以外はカテゴリカルデータで、始めから整数で表現(Label Encoding)されたものが与えられています。 これはデータとしては非常にシンプルでここからいかに情報を引き出すかがポイントとなります。 アンバランスな目的変数 以上を用いて予測する対象がis_attributedというアプリダウンロード有無の指標です。 is_attributedが1のデータは広告クリック後にアプリがダウンロードされたクリックイベント、0のデータはそうでないものです。 約1.8億件の訓練データ全体に対してis_attributed=1のデータは50万件弱で、割合にして約0.2%と非常に少ないです。 このように、目的変数の分布がアンバランスであることがこのコンペの特徴のひとつです。 ちなみにアプリがダウンロードされた時刻attributed_timeも与えられていますが
IoTを使って畑を監視する | PSYENCE:MEDIA
この記事は RECRUIT MARKETING PARTNERS Advent Calendar 2015 の投稿記事です。 畑を監視する？ こんにちはsparkgeneです。 最近は趣味で畑を借りて作物を育てている人が増えてきているようです。しかし趣味で畑仕事をしていると、面倒を見れるのが週末だけだったりしてちょっと予定があって畑に行けない事も出てきます。そして水が足りなくてせっかく育ててきた作物をダメにしてしまうことも多々あるようです。 こんな悩みをIotを使って畑の状態を監視して、少しでも被害を減らせるようにする仕組みを考えてみました。 この仕組みで使うモノ・サービス Raspberry Piとセンサー類 AWS IoT、Amazon DynamoDB、AWS Lambda、Amazon CloudWatch SORACOM Air 監視に使うセンサー類 今回は以下の3種類のセンサー
Webページを監視して表示崩れが起きていないか検出できるE2Eテストを実装しました | PSYENCE:MEDIA
お世話になります、フロントエンド担当をしている小原正大です。Webページの表示を監視して差異があった場合、どのページで表示の変化が起きているかを知ることが出来るプログラムを実装したのでそのことについて書こうと思います。 何につかったの？ 僕がフロントエンドを担当しているサービス『料理サプリ』で大規模なフロントエンドコードのリファクタリング行う際に表示テストを自動化するために作成しました。『料理サプリ』はPC・スマホ合わせて大体350-400ページの表示パターンが存在する比較的規模の大きいサイトです。全ページに影響を与えるような作業は大規模な回収となり、今回のリファクタリングでは表示テストの計画などの段取りが必要でした。従来の人手によるQAでは細かいバグを見過ごしたり時間がかかり効率が悪いので、可能な限り自動化しようと考え実装しました。 実装の概要 この監視のシステムは以下の２つ実装を組合わ
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
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
