Expack500 に鉛の塊を詰めてみた - 結晶美術館
（この内容は、現在のレターパックの前身、Expack500 が存在したときのものです。現在のレターパックは重量制限は 4kg までで、ここまで詰めてはいけません）。 郵便局の定型小包に、エクスパック５００（EXPACK500）というものがあります。 あらかじめ決まったサイズのボール紙の袋を５００円で購入し、これに荷物を入れると全国どこでも一律で５００円で送れるという優れものです。 こいつは便利です。オークションの配送などでも大活躍しています。 なんといっても一律５００円というのが売りです。発送先の地域を考えなくてもいいのですから。 しかも手渡しで、荷物の追跡も可能です。 この中に入れば何でも５００円で送れてしまいますよね。 でも、実はそうではありません。 この中に入れてはいけないものもあります。 国際郵便にはご利用できません。 特殊取扱はできません。 配達証がはがれているものはお引受け、交
BLOG::broomie.net: 各種分類器の分類精度を示した絵がおもしろい
今日会社で多次元のデータを２次元にクールでベストプラクティスな感じでプロットするにはどうしたらいいんだろうね、やっぱ多次元尺度構成法じゃない？的な会話をしていたのだけれども、２次元にデータを落とし込むと人間にもわかるデータになって本当におもしろいですよね。今日はその一例というか、いくつかの分類器の分類精度を２次元にプロットした結果を示した実験結果を解説したページを紹介します。おおーこうゆうのみたかったんだよなー！と個人的にはかなりエキサイティングな感じでした。 要約というか意訳になってしまうのですが、ページに以下のように説明されています。(細かいところは訳してません) http://home.comcast.net/~tom.fawcett/public_html/ML-gallery/pages/index.html 分類タスクの機械学習の研究では定量的な評価が重要です(精度とかACUと
線形分類器のオンライン学習 - nokunoの日記
Googleの工藤さんが客員准教授をされているという東大の講義「創造情報学連携講義VII」、講義資料が公開されていないのは残念ですが、課題が面白かったので解いてみました。創造情報学連携講座今回は、6/17の栗原さんの課題1を解きましたので紹介します。よい復習になりました。 問題入力データの特徴ベクトルに対し、重みベクトルを使ってラベルを以下の式で予測する。正解ラベルが与えられたとき、以下のように重みベクトルを更新する。このとき、そのデータに対する誤差を以下のように定義する。誤差が更新前より小さくなることを証明せよ。 回答を証明する。実際のオンライン学習では1つのデータに対する損失を最小にしても仕方がないので、学習率を小さく設定して過学習しにくくするのが一般的です。また、実はラベルlは二値でない実数などでも同様に成り立ちますが、実数の場合（＝線形回帰）はバッチ学習の最適解が解析的に解けるので
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
