すずしいはいけいにしてみました。 pixabay.com こーど デザインCSS body { background-image: url(https://cdn-ak.f.st-hatena.com/images/fotolife/s/sawalemontea/20190806/20190806154555.png); background-repeat: repeat; background-attachment: scroll; background-position: 0 0; } 白い部分がちょっと読みにくいけど涼しげですね。 また変えても意味がわかるようにスクショをば

また広告がでなくなっているのでAdSenseのクロールエラー見てみたら「ホスティングの問題:サーバの過負荷」 このエラーは、はてなブログのユーザー側ではどうしようもないようです。 前回なったときは、はてなのサポートの方に自動広告だとこれになる人がいるのでので手動で貼ってくださいと言われて実際解決したのですが一年もたたず再びこの状態に… まあこんな個人ブログの収益なんてたかが知れているので「広告がでないからとても困る」ってことはないんですけど 現実的にはたいした害がなくても気持ち的にはモヤッとしますよね。。

とあるノベルサービスのコメント事情 休日と平日の時間帯別米数 0は0時から1時までの一時間です 平日の方は７時ごろがぴょんと増えてますがこれは通勤・通学中にやる人の分ですかね～。１６時を境に急に増え始めるのも学校・仕事が終わるころだからでしょうか。 月別米数 1は1月の一か月間の米数です。 ３月と８月が多いですね。これは学生ユーザーが長期休暇で暇があるのでしょう。でも４月が多いのと１１月が少ないのは意外ですね。当たり前じゃんと思うひともいるのでしょうか。個人的には謎です…。 おわり これでおしまいです。え。まあ雑記なので…

こんにちは。レモンティーです。 今回は１からｎまでの素数のListを取得します。 たまにあったら便利な時があります。 今回はこんな感じにしました。 public List<int> GetPrimeNumberList(int n) { var list = Enumerable.Range(2, n-1).ToList(); var result = new List<int>(); while(list.Count != 0) { result.Add(list[0]); list = list.Where(x => x % list[0] != 0).ToList(); } return result; } まず、 var list = Enumerable.Range(2, n-1).ToList(); //n-1 は n-2 +1 です。わかりにくいですね… で２からｎまでの整数

こんにちは。レモンティーです。 今回はリストの要素を横向きに並べます。 使うのはfloatです。 あああ いいい ううう えええ こんな感じですね。html <ul class="testlist"> <li>あああ</li> <li>いいい</li> <li>ううう</li> <li>えええ</li> </ul> css .testlist li{ float:left; margin:15px; } なおfloatを使うと回り込みという現象が起こります。 これはfloatを設定した要素に他の要素が回り込んで表示が崩れる現象で、 ↓の画像の場合、「こんな感じですね。」の文字が回り込んでいます。 その場合は、回りこませたくない要素のcssに clearを設定すれば回避できます。 今回の場合、clear:left;でOKです。 今回はこれでおしまいです。 www.sawalemontea.c

こんにちは。レモンティーです。 前回、入力が１次元の時の直線モデルの解析解を求めました。 sawalemounity.hatenablog.com 今回は、入力がD次元の場合に一般化してみます。 つまり、就寝時間以外にも 天候、気温、使用した枕との相性…などなど D個の要素を考慮して起床時間を求める場合のことですね。 この場合でも、 と置いてｙとｔの2乗平均誤差Jが最小になるｗを求めることで モデルを作ることができます。 ですがまずは簡単にするために について考えていきます。 以下 そうすると と表されるので よって Jが最小となるｗでは傾きが０なので 0 <= i <= D-1 で だから0 <= i <= D-1 で つまり ここで より これで入力がD次元のとき Jが最小になるｗがもとまりました。 しかしこれは の場合の話でしたよね。 元の の時はどうするかというと D+1次元目のｘ

皆さんこんにちは。レモンティーです。 今回は試しに教師有り機械学習の回帰問題に触れてみます。 今回は目覚ましを使わなかった時の 就寝時刻と起床時刻のデータを教師として与え、 それを元に就寝時刻から起床時刻を予測するモデルをつくります。 与えたデータは↓です。 # X就寝時刻 T起床時刻 X = np.array([22.5,23.1,21.4,24.9,23.6,22.1,25.7,22.3,20.1,22.7]) T = np.array([8.1,9.7,7.4,10.5,8.9,7.6,11.3,8.2,6.4,8.8]) これからどう予測するかというと、直線のモデルを作ります。 近さの指標としてｙとｔの二乗平均誤差 つまり を使います。 これをできるだけ小さくします。 小さくするには勾配を用います。 w0 w1 よって以下のようにw0,w1を動かしてJを小さくしていきます αは学習