株価変動分析においても機械学習の時系列データクラスタリング手法が広く使われている.代表な距離定義はk-Shape法のSBD,及びDTWなどであるが,これらは入力データの標準化を前提とするので,重要な分散(リスク)情報を捨て去ってしまうという問題がある.株価分析においては,現在も,1952年にハリー・マーコウィッツが創案した「収益率の平均 (平均リターン) とリスク(リターンの標準偏差)の散布図」による分析法が広く使われている.この手法ではリスク情報を捨てずに用いているが,より詳細な変動パターン(V字回復,S字型など)を知るためには,機械学習クラスタリングが必要となる.しかし,例えば,テスラやインドIT企業の株価のように成長率が大きい銘柄の場合,k-Shape法では分散情報が除去されてしまい分析目的に合致しない.そこで我々はAmplitude-based clustering法という,分散情
GitLabのプロジェクトをクローンするまでの方法を記載します。 Gitのインストール 以下を参考にしてGitをインストールする。 【Windows】Gitの環境構築をしよう! 公開鍵と秘密鍵を作成 以下を参考にして公開鍵と秘密鍵を作成する。 GitLabリポジトリをローカルにクローン(clone)する手順 GitLabに公開鍵を追加 以下を参考にしてGitLabに公開鍵を追加する。 GitLabリポジトリをローカルにクローン (clone)する手順 gitconfigを修正 以下を実行し、gitconfigファイルを開く。 git config --system -e 以下をコメントアウトする。
この記事は、TechFeed Experts Night#12 〜 TechFeed Experts Night#12 〜 【VSCode, Vim, Emacs】エンジニア向けエディタ最新動向!の開催に際し、TechFeedのデータを元に日本語記事ランキングを紹介していくものです。 60日以内で、獲得スコアが高かった順にトップ10を紹介しています(1pt以下の記事はランキングに含めていません)。 いずれも(きっと)読み応えのある記事ばかり。もし見過ごしていた記事があったら、ぜひ読んでみてください。 本記事は、TechFeed Experts Night#12 〜 TechFeed Experts Night#12 〜 【VSCode, Vim, Emacs】エンジニア向けエディタ最新動向!のセッション書き起こし記事になります。 イベントページのタイムテーブルから、その他のセッションに関す
この記事を読むと嬉しいこと 言語の壁を越えた、グローバルAIを作れます! = GPTに英語と日本語、中国語、フランス語…の情報をまとめてインプットし、質問に答えさせることが出来ます! """「Harry Potter(英語)」と「ぼっち・ざ・ろっく!」の情報をまとめて与えた後で質問をした時の回答""" # before index.query("ハリーの学校では、何を教えている?日本語で答えて") # -> ハリーの学校では、何を教えているかは不明です。 # after index.query("ハリーの学校では、何を教えている?日本語で答えて") # -> ハリーの学校では、魔法と魔法使いの学問を教えています。 背景・課題 今大人気のGPTに、外部情報を繋ぐGPT Indexが物凄い勢いで使われています。一方で、この仕組みを無邪気に使おうとすると、OpenAIに課金しまくることになり、お
はじめに みずほリサーチ&テクノロジーズ株式会社の@fujineです。 本記事では、文字列同士の類似度を計算する「レーベンシュタイン距離」をRapidFuzzで超高速に処理する方法を解説いたします。 この方法で実装すると、1万件の文字列同士の類似度計算において、 一般的なlevenshteinライブラリよりも120倍近く高速に計算することが可能です! (RapidFuzzのGitHubリポジトリより引用) 本記事の概要 Pythonで一般的に用いられているlevenshteinライブラリは、比較対象データが多いと処理が長時間化し、実用的ではない RapidFuzzは上記ライブラリよりも約120倍高速であり、エンタープライズ規模のデータにも十分に適用可能 RapidFuzzはレーベンシュタイン距離以外のアルゴリズムや、並列処理、前処理など多様な機能を提供しているため、読者の皆さんには積極的に
先日サンフランシスコ市内にある丸亀製麺 (アメリカだとMarugame Udon) に行った。コロナの期間は閉店していたが、今年に入ってからは営業を再開している。地元の人たちにも大人気の繁盛店。 入口でトレイを取り、列に並んで、カウンター越しにオーダーを行う仕組み。 そこであることに気づいた。 「めっちゃ人多くない?」と。それも、お客さんだけではなくて、従業員の数が。 従業員がめっちゃいる。列に並んでいる客と同じぐらいに。そして、それぞれのスタッフが “一つ” の作業しかしていない。
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