タグ

2017年11月10日のブックマーク (5件)

  • 日本空間 (位相空間論) - Wikipedia

    位相空間論において日空間 (Japanese space) とは、閉包を保つような局所近傍系を持つ空間のことである。 定義[編集] 位相空間 の集合族 が閉包を保つとは、の任意の合併が閉包と交換することである。 つまり、任意の に対し、 となることである。 位相空間 がある点 において日である (X is Japanese at x) とは、 の局所開近傍基であって、閉包を保つものが存在することである。が全ての点で日であるとき、単には日空間である (X is Japanese) という。 位相空間 がある点 において弱日である (X is weakly Japanese at x) とは、 の局所閉近傍基であって、閉包を保つものが存在することである。が全ての点で弱日であるとき、単には弱日空間である (X is weakly Japanese) という。 性質[編集] 以下、位

    tomo31415926563
    tomo31415926563 2017/11/10
    “位相空間Xがある点 xにおいて日本である とは、 xの局所開近傍基であって、閉包を保つものが存在することである。 Xが全ての点で日本であるとき、単にXは日本空間であるという。”
  • 1967年ソ連タイムカプセルの未来予測

    ソ連100周年(ロシア革命100周年)の2017年に向けて、未来の子孫たちに国民がメッセージを書き、タイムカプセルに入れた。当時の人々は、100周年のはるか前にソ連が崩壊し、東西冷戦が終結しているなどとは思ってもいなかった。 ソ連50周年(ロシア革命50周年)の1967年に当時の国民が子孫に残したタイムカプセルが、次々と開封されている。中でも印象的なメッセージ5通を、「ロシア・ビヨンド」が選んだ。 ノボシビルスク市「月と火星を開拓」 「親愛なる子孫さま、今日はソ連政権100周年の特別な日ですね。偉大な栄えある記念日を熱く祝福します。私たちの時代はおもしろいですが、あなたたちの時代はもっとおもしろいのでしょう。私たちは共産主義を構築中で、あなたたちは共産主義のもとで暮らしているはずです。私たちの素晴らしい青い惑星を見事に開発し、月を開拓し、火星に降り立って宇宙へと邁進し続け、宇宙船はすでに銀

    1967年ソ連タイムカプセルの未来予測
    tomo31415926563
    tomo31415926563 2017/11/10
    「シンギュラリティが起きてもう誰も働いていないでしょうね。仮想世界からこの手紙を読んでいるでしょうか?」みたいな未来の手紙を書いておくと面白いかも。
  • 人手不足による先月の倒産件数 この4年間で最多に | NHKニュース

    企業の間で人手不足が深刻になる中、先月、人件費の高騰や求人難など人手不足が理由になって倒産した企業の数が、この4年の間で最も多くなったことが信用調査会社のまとめでわかりました。 倒産件数が前の年を上回ったのは2か月連続で、産業別に見ますと、「サービス業など」が最も多く215件、「建設業」が148件、「卸売業」が111件などとなりました。 このうち、人手不足による人件費の高騰などで経営が悪化し、倒産した企業の数は39件と、前の年の同じ月より70%以上増加し、この4年間で最も多かったということです。 信用調査会社は「多くの人を雇わなければならないサービス業や運輸業を中心に、人件費の高騰や求人難が経営のリスクになろうとしている」と話しています。

    人手不足による先月の倒産件数 この4年間で最多に | NHKニュース
    tomo31415926563
    tomo31415926563 2017/11/10
    例えば、小麦買うお金がなくて店が潰れるのは小麦不足とは言わない。
  • 機械学習を使って東京23区のお買い得賃貸物件を探してみた - データで見る世界

    さて、改めて今回の目的を確認しておくと、機械学習を使って東京都23区のお買い得賃貸物件を発見しよう、というものです。前回までの記事で、お買い得賃貸物件を発見するためのデータを収集し、分析にかけられるよう前処理してきました。 www.analyze-world.com www.analyze-world.com 今回の記事では、いよいよ機械学習を使って分析していきましょう。前回まではPythonを使っていましたが、この分析ではRを用いています。なお、コードはGitHub(https://github.com/ShoKosaka/Suumo)に上げておきますので興味ある方は参照ください。 最初に、データの中身をざっくり見ていきます。具体的には、分析のキーになるポイントをグラフにしながら、賃貸物件の現状や変数同士の関係性を把握していきます。 データ探索 まず、23区の中でどこが物件数が多いのかを

    機械学習を使って東京23区のお買い得賃貸物件を探してみた - データで見る世界
    tomo31415926563
    tomo31415926563 2017/11/10
    実測値/予測値をターゲットにして画像をdeep learningにかけると「画像のイケテル感」を数値にできるかな。
  • 【統計学】Q-Qプロットの仕組みをアニメーションで理解する。 - Qiita

    このデータのダウンロードはこちらの統計学検定2級の公式教科書のページ中程にある「ダウンロード用データ」のリンクより行えます。ダウンロードしたzipファイルを解凍し[第2章]-[文]フォルダにあるMansion2.dataが今回使用するデータです。 そしてデータを手に入れたらやはり、まずはグラフを書いてデータのイメージをつけたいと思います Fig.1 価格帯は左側に寄っていて、右に裾が長いタイプのヒストグラムになってます。また、価格と広さには相関がありそうなことが読み取れます。 今回のQ-Qプロットは価格に着目して進めるので、価格についてもう一歩踏み込んでグラフを解釈を試みます。 それは、「この分布が正規分布に従っているか否か」、です。 まぁ実は下記の通りこのデータから得られた平均、標準偏差を元に正規分布の密度関数を当てはめてみると明らかに合っていないのですが、それは気にせず進めますw F

    【統計学】Q-Qプロットの仕組みをアニメーションで理解する。 - Qiita