西浦チャレンジ！ 新型コロナの予測において、学者は微分方程式を立てて、それを解いて出しているようですが、ここでは厚労省の陽性者数のデータを用いて描いたグラフの単回帰分析から回帰曲線を出し、そこで得られる陽性者数の予測に致死率を掛けて、最悪ケースの42万人を狙います。 Numpyを使って、新型コロナの陽性者数を線形回帰分析し回帰式を求めます。 目次 目次 実行環境 動作・仕様 実装 定義 実行 42万人が死亡する致死率 陽性者数500万人で致死率0.74%の場合の死亡者数 実行環境 Android termux Python3.8 JupyterNotebook ネット環境(厚労省のCSVファイルにアクセス) 新型コロナのデータ元のサイトはコチラ オープンデータ｜厚生労働省 動作・仕様 JupyterNotebookを使って動かします。 厚労省のサイトにアクセスし、新型コロナの陽性者数CSV

クラスの書き方を、グラフ作成で練習します。 正しい書き方なのかどうか分かりません。やったら動いたのでw クラス内のメソッドから、同一クラス内の別メソッドを実行する方法を学びます。 先に、こちら→オープンデータ｜厚生労働省 に置いてある新型コロナのデータcsvファイルをローカルにダウンロードしておきます。 ファイルのurlをそのまま指定してもできます。(実行する度にサイトにアクセスしてダウンロードする。負担。 目次 目次 作業環境 仕様 実装 ローカル保存ファイルからグラフ化する時のリスト 厚労省サイトから直接読み込む場合 実行 説明 作成する際の発想の流れ 同一クラス内で、あるメソッドから別メソッドを実行する方法 作業環境 Androidスマホ termux Python3.8 JupyterNotebook 仕様 Android上のJupyterNotebookでのみ動作確認。 保存した

ブログに画像をアップするとき、Pythonで自作したコマンドラインツールでExif情報を削除しています。削除する理由はプライバシー保護と画像サイズを軽くする為です。 (参考/ スマホ撮影の画像は約10MB→Exif削除→3MB) しかし困ったことに、Exif情報を削除すると画像が勝手に90度回転してしまう場合がある。たとえばスマホで縦向きに撮った画像からExif情報を削除すると横向きになったりする。 今回は画像を簡単に回転させて正しい向きで保存させるプログラムを作ります。 作業環境と仕様 Androidスマホ termux Python3.8 これから作るプログラムはターミナルから動かします。 画像ファイル名をコマンドライン引数で渡して実行します。 実装 画像処理ライブラリのpillowを利用します。インストールが必要です。 pip install pillow ライブラリ名はPillow

半年ぶりの投稿。 モジュールの使い方等いろいろ忘れているので調べながら思いだしつつ。 この投稿では、厚労省のサイトオープンデータ｜厚生労働省 に置いてある新型コロナのデータセットcsvファイルをそのまま用いてグラフを描いてみます。 目次 目次 実行環境 陽性者数 PCR検査実施人数 入院治療等を要する者の数 退院または療養解除となった者の数 死亡者数 PCR検査の実施件数 発生状況 実行環境 Androidスマホ termux Python3.8 JupyterNotebook csvファイルはローカルにダウンロードして使用。 陽性者数 https://www.mhlw.go.jp/content/pcr_positive_daily.csv # ライブラリのインポート import pandas as pd import numpy as np import matplotlib.pyp

線形回帰分析をする際に、単回帰分析の直線の近似にy=ax+bを用いるのはわかる。算数で一番最初に習う数式ですので馴染み深いこともあって。 だが、曲線の近似式を仮定するときに、直線の式を積分したような、次数が増えた項を次々と追加していく式を採用するアイデアは何処から出てきたのか、何の理論に基づいたものなのかがイマイチ府に落ちずにいる。 数学の得意な人からすれば「そんなこともわからんのか、馬鹿だなぁ」と思うことかもしれん。 関数f(x)の近似式を無限な足し算で表すアイデアの一つに「テイラー展開」というのがある。条件違いの「マクローリン展開」なんてのもある。たぶんこの辺のアイデアが基なんだろうとは思う。 テイラー展開的な無限級数の発想の源はエジプトの数学だろう。エジプト数学は数学史の本の最初の方に登場する。 古代エジプト人は、数を細かい分数の足し算にどんどん分解していく数学を使っていた。何のため

Numpyだけでロジスティック回帰分析。その8。 動作確認。説明的なものは無し。 実行環境 Androidスマホ termux Python3.8 JupyterNotebook Pythonライブラリ Numpy 実験手順 2値分類用に実験データをつくる。 目的変数を アクセル=1 ブレーキ=0とおく。 説明変数で加速度をプラスとマイナスで適当な整数値に生成 回帰係数をNumpyで出し、回帰多項式をつくる。 テストデータを回帰多項式に代入して予測値を算出する。 予測値をシグモイド関数に代入し、アクセルorブレーキのどちらが踏まれたかを確率で出す。 実験スタート import numpy as np # アクセル時の加速度をランダム生成 x_accel = np.random.randint(1,6,20) x_accel array([4, 5, 3, 4, 2, 4, 3, 2, 2,

Numpyだけを使って回帰分析をする悪あがきシリーズ。 今回はpolyfit()について。 参考 polyfit numpy.polyfit — NumPy v1.17 Manual 実行環境 Androidスマホ termux Python3.8 JupyterNotebook polyfit() 多項式係数生成マシーン 各点(x,y)を結ぶ線に近似する次数degまでの多項式の係数を計算し出力する。 簡単な使い方としては、 引数 : x, y, deg(次数) 戻り値 : 近似多項式の各項の係数 たとえば、次のような点があるとする import numpy as np # 配列xとyを適当に x = [1,7,24] y = [5,9,16] #グラフに点とる import matplotlib.pyplot as plt plt.scatter(x,y) plt.savefig("po

今回は、これまでNumpyだけで回帰分析(単回帰)するときに使ってきたpolyfit()とpoly1d()のうちのpoly1d()にしぼって軽くみていく。 なお、回帰分析の数学的説明、poly1d()のプログラムのアルゴリズム的な説明等は一切ありません。全然理解していません。 参考 numpy.poly1d — NumPy v1.17 Manual 実行環境 Androidスマホ termux Python3.8 JupyterNotebook Pythonライブラリ Numpy matplotlib np.poly1d() 多項式生成マシーン Numpyのpoly1d(係数)は、 f(x) = x3-5x2+4x-9 のような変数Xのn次多項式と呼ばれる式を作ってくれます。 名前に1dとあることから察せられるように、１つのディメンション、独立変数が1個の式を扱う。変数はXと表示される。

Numpyだけで回帰分析を行う。 参考 NumPyで回帰分析（線形回帰）する - DeepAge numpy.poly1d()：1次元多項式オブジェクト 実行環境 Androidスマホ termux Python3.8 JupyterNotebook はじめに はじめに実行環境についてなど。 Pythonでの機械学習に必須とよくいわれるライブラリのNumpy、Pandas、matplotlibですが、Numpyは当然ながら、その他のライブラリもNumpyに依存して動いている。 科学計算ライブラリscipyや機械学習フレームワークのscikit-learn、グラフ描画のseabornなどもNumpyやscipyがないとinstallできませんし動かない。 通常、依存関係のライブラリは不備の場合には自動的にダウンロードされinstallされますが、Numpy等をスマホやタブレットで動かすのはA

今回もNumpyで画像をいじる。 実行環境 Androidスマホ termux Python3.8 JupyterNotebook 一番最後の画像処理でネット接続がいります。 はじめに from IPython.display import Imageというコードを何回も書いておりますが、書かないと実行時にエラーが出た為にそうしました。理由は分かりません。 いろいろコピーして使い回しているので変数も複数で被っています。コピペして実行の際はご注意くださいませ。 グレイスケール カラー写真をpillowのconvert("L")を使って仏壇用白黒写真にした。この処理を行うと次元が１つ減って時が止まったようになる。減らされているのは時間の次元か。 import numpy as np from PIL import Image file = "jimi.jpg" # Numpy配列化 im =