円内に一様分布する乱数を生成する時は、俺、絶対忘れないよヤコビアンのこと - My Life as a Mock Quant
頭出し ある半径Rの円内に一様分布する乱数を生成する時には注意しないといけないことがありますよというお話。所謂「一度はやってしまうミス」系でもある。この手の話は円に限ったわけではなく、円の高次元版である球、あるいは超球(次元>3)、あるいは任意の座標変換をかませてそこにヤコビアンが出て来るときでも同じ。 使うライブラリは以下の２つ。なければinstall.packages関数でインストールしておく。 library(ggplot2) library(dplyr) また、以下のように定数を２つ定義しておく。意味はコメントにある通りだ。 #サンプル数 N <- 10^4 #半径のサイズ R <- 4 本題 さて、問題のある半径Rの円内に一様分布する乱数を生成するにはどうしたらいいのかというと、非常に単純に考えた場合、以下のように(俺は)思考する。 X方向の成分として[-R, R]の間の一様乱数
scikit-learnでサポートベクトル回帰、及びそのパラメーター推計 with クロスバリデーションやってみる - My Life as a Mock Quant
サポートベクトル回帰(Support Vector Regression, SVR)の理論が大体脳内整理出来たので、実践もしたいぞと、そしてちょいとpythonを使う別件があるので、慣れの意味も込めてR言語ではなくpythonとその機械学習ライブラリであるscikit-learnを使ってやるぞとそういうことです。 scikit-learn自体のインストールはこの記事の最下部にある日本語のLINKを見れば良いと思う。 俺はpip使ってインストールしたような気がするけど、なにぶんずいぶんと昔なので忘れてしまった。pipで入れるなら pip install scikit-learnでOK。裏でコンパイルが走っていたような記憶があるので、C++のコンパイラいれておかないとだめかも。 windows用のバイナリファイルだと Scikit Learn - Browse Files at SourceF
R言語でデータ拡大(Data Augmentation)サンプリング法を実装してみた - My Life as a Mock Quant
データ拡大 (Data Augmentation)サンプリング法ってのをお勉強したのでそのまとめ。 概要＆アルゴリズム 説明は２つ目の参考LINKに書いてある方法でずばり良いと思う。 要するに 分布から直にサンプリングしたいんだけど、それが難しいという状況の時、適当なダミー変数的なものをかませて となるようなを（適当に・何とかして）構築。 このに従う乱数をギブスサンプラー からを取得 からを取得 を何度も繰り返し、系列データを生成する事が出来たならば、 ここで得られたの系列はまさに望むからの分布となっている というもの。 元のが作る空間に加えてが作る空間も考えているわけなのでデータ"拡大"サンプリングということですかね。 元のからサンプルできない状況でも条件付のからサンプリングできればいいってのがアイディアの部分なのだろうか。 １つ前のエントリ R言語でスライスサンプリング(Slice S
学習の記録ー１２（コンピュテーション式、Computation Expressions） - My Life as a Mock Quant
F Sharp Programming/Computation Expressions - Wikibooks, open books for an open world がすごい解り易かったので適当にメモりつつ、コード写経。話の流れとしては 普通の書き方⇒モナド前夜的な書き方⇒モナド(F#のコンピュテーション式)使った書き方⇒F#の糖衣構文使った書き方 という形。 モナドってなんや F#のComputation Expressions（以下、コンピュテーション式）はHaskellのMonadにインスパイアされたものであって、（この側面だけがやたら一人歩き＆強調されてる感あるが）数学でいう圏論のモナドちゅーもんが根っこのアイディアにある。なんで、この文章だとコンピュテーション式＝（Haskellでいう）モナドと考えてよい*1。モナドは一言でいうなら関数を実行し、その戻り値を別の関数へ渡すと
1
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
