数値計算の常識 概要（個人的メモ） - Qiita
第1章：数の表現と誤差 16進切り捨てと2進切り捨て 16進切り捨てのとき$ε=6*10^{-8}〜10^{-6}$ 2進切り捨てのとき$ε=3*10^{-8}〜6*10^{-6}$ ループ制御時の誤差の考慮 $0.1≒(0.CCCCCD)_{16}*2^3$を10回足すと、10進で約1.0000001192になって1.0よりわずかに大きくなる。 この場合、whileの条件をwhile(x<=1.0)にしていては条件を満たさない。 こんなときには、ループの制御に整数変数を持たせるとか、whileの条件に刻み幅0.1より小さい、かなりの"余裕"をもたせて"while x<=1.001 do"のようにするとかが定石となっている。 第2章：桁落ちに気をつけよう（その1） 桁落ちとは 絶対値がごく近い2数を足したり引いたりして結果の絶対値が小さくなるような計算をすると、絶対値が小さくなった分だけ相
CaboChaで係り受け解析 - Qiita
cabochaを使って日本語の係り受けを調べるコードを作ってみました。 とりあえず名詞と形容詞の関係の抽出をしてみました。 参考文献 CaboChaのwindows環境へのinstallなどはmima_itaさんのブログを参考にして頂ければと思います。 WindowsにCabochaをいれてPythonで係り受けを解析してみる 品詞と語の順を簡単にまとめてみる 自然言語について専門的に勉強した事はありませんし、論文等で調査したわけではなく、たんなる素人の発想を以下に記載致します。 名詞、動詞、形容詞に絞って、単純に直前の語の品詞との関係を考えると以下のようなパターンにわけられると思います。 名詞 → 名詞：「○○が□□を見た」のように、後ろの名詞が対象を表す 名詞 → 動詞（→ 名詞）：「○○が見た□□は」のように、主語の動作または対象となる後ろの名詞に対する動作を表す 名詞 → 形容詞：
カルマンフィルタで変化点検知 - Qiita
動機 仕事で変化点検知をする機会がありました。その時は時間がなかった事もあり、yokkunsさんがやられていたARIMAモデルを使ったアルゴリズムを参考にさせていただき作りました。ただ、ARIMAモデルだと色々と面倒なところがあったのでkalman filterで書き換えを試みた次第です。 ARIMAモデルの問題点 パラメタ調整が面倒 対象とするwindow以上のデータが溜まるまで解析できない window内に同一データのみが並んだベクトルとなった場合、逆行列が計算出来ない 参考文献 データマイニングによる異常検知 ベイズ統計データ解析 (Rで学ぶデータサイエンス 3) 主に参考にしたのは、みんな大好き「データマイニングによる異常検知」です。 概要 計算ステップは以下のとおりです。 計算は大きく分けて、学習ステップとスコア計算ステップに分けることができます。 学習ステップ こちらは新しいデ
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
