都では、令和3年9月にユーザーテストガイドラインを公開し、「テストしないものはリリースしない」を合言葉に、都庁内でサイトやアプリ、システムなどのデジタルサービスを開発する時は、ユーザーテストを実践する取組を進めてきました。 より良いサービスを創るには、利用者の声を聴き、それを反映させるサービスデザインの取組を徹底することが大切です。この取組を更に進めるため、この度、「ユーザーテストガイドラインVERSION 2.0」としての改訂を行いました。
![「ユーザーテストガイドライン VERSION 2.0」を公開しました! –](https://cdn-ak-scissors.b.st-hatena.com/image/square/76e061012c6cf6c524f7ca7dbf56c865be19affd/height=288;version=1;width=512/https%3A%2F%2Fshintosei.metro.tokyo.lg.jp%2Fwp-content%2Fuploads%2Fgaidohyousi.png)
クラスタリングに用いられるK-meansのクラスタ数決定方法については長く議論されてきた歴史があり、このブログでも以前ちょろっと取り上げたことがあります。 で、Twitterを眺めていたらタイムラインに面白い論文が流れてきました。それがこちらです。 タイトルを読んで字の如く「K-meansのクラスタ数を決めるのにエルボー法を使うのはやめろ」という論文なんですね。全体で7ページと非常にコンパクトで読みやすい内容なので、簡単にまとめて紹介してみようと思います。なおいつもながらですが、僕の技術的理解が不足しているが故の誤りなどが混じる可能性がありますので、その際はコメント欄などでご指摘くださると幸いです。 あるtoy dataに対するK-meansの結果 目検に頼らないエルボー法について考える ならば、既存のクラスタ数決定法の中では何を選ぶべきか そもそもK-meansが有効でないケースもあるこ
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