前回はエアコンを買う上で知っておきたい常識やトレンドについて紹介した。今回は、エアコンを選ぶ際に重要なポイントを紹介していこう。 使用する部屋の畳数をチェック 最初にチェックしたいのが部屋の畳数だ。エアコンは6畳用(冷房能力2.2kW)、8畳用(同2.5kW)、10畳用(2.8kW)といったように、冷房・暖房能力の異なる数多くのモデルをラインアップしている。最上位モデルは14畳用以上しかラインアップしていない場合もあるので、まずは使用する部屋のサイズをチェックしよう。 畳数の目安として8畳用の場合は「冷房 7~10畳、暖房 6~8畳」などと表示されているが、7~10畳というのは「木造住宅なら7畳、鉄筋コンクリート住宅なら10畳」という意味を表している。 リビングで使用する場合、10畳の部屋なら12畳用(3.6kW)、12畳の部屋なら14畳用(4.0kW)といったように、1つ上の対応畳数を選
注意 現在X(旧Twitter)でのソーシャルログインができない事象を確認しています。事前にX(旧Twitter)側で再ログインした上でconnpassのソーシャルログインを行うか、 「ユーザー名(またはメールアドレス)」と「パスワード」の組み合わせでのログインをお試しください。合わせてFAQもご確認ください。 お知らせ 2024年9月1日よりconnpassサービスサイトへのスクレイピングを禁止とし、利用規約に禁止事項として明記します。 9月1日以降のconnpassの情報取得につきましては イベントサーチAPI の利用をご検討ください。 お知らせ connpassではさらなる価値のあるデータを提供するため、イベントサーチAPIの提供方法の見直しを決定しました。2024年5月23日(木)より 「企業・法人」「コミュニティ及び個人」向けの2プランを提供開始いたします。ご利用にあたっては利用
C++: 文字列の一部を取り出す (std::string)C++: Mac OSX で std::wcout を使ってワイド文字を表示させようとするとクラッシュするC++ : wchar_t、char32_t、char16_t 型の文字列の長さを求めるC++: std::wstring、std::u32string、std::u16string を1文字ずつ表示するC++: std::wstring、std::u32string、std::u16string と c_str メソッドの戻り値についてC++: 文字列を連結するC++: 文字列イテレーターのインデックスを求めるC++: UTF-8 の文字列を1文字ずつ表示する (std::string)C++: UTF-8 の文字列の長さを求める (std::string)C++: コードポイントから UTF-8 の文字を生成する (std
目次 目次 記事の概要 先行研究 データセットの概要 特徴量 持ち時間の使い方を見る特徴量 最初の手を見る特徴量 結果 階層型クラスタリングの結果 ユーザーの同定も試してみる ソースコード まとめ 参考文献 記事の概要 これまで収集してきた将棋ウォーズの棋譜データから適当に特徴量を作って,階層型クラスタリングを適用する.ついでに棋譜からプレーヤーを推定する問題も考えてみる. 将棋ウォーズデータについては以下の記事などを参照してほしい. 将棋ウォーズのデータを解析する - 盗んだ統計で走り出す 将棋ウォーズで削除されたアカウントの棋譜を検討してみる - 盗んだ統計で走り出す 先行研究 将棋やチェスの棋譜から特徴量を生成して棋譜を分類したりプレーヤーを推定する,といったテーマの論文・ブログ記事などを日本語・英語で探してみたが,見つからなかった.似たような話を強いて挙げるとすれば,以下の2つ
前回、「C++: マルチコアCPUを利用した並列化による高速な階層的クラスタリング」でクラスタリングを行ったのだが、ここではその出力データをPython+PILにより、デンドログラムを描画したり、指定した閾値で区分けを行ってみる。 まず、クラスタリングの出力データは前回のtest.outを使用する。内容は以下の通りだ。 0.0833487 4 14 0.11483 3 15 0.123895 0 5 0.126783 7 11 0.144271 16 -4 0.14854 8 9 0.253505 -5 -6 0.264889 -1 -3 0.301108 2 10 0.366858 6 -2 0.382649 13 -7 0.439469 17 19 0.588505 18 -8 0.648837 -10 -11 0.80762 -9 -13 1.03717 1 12 1.16488 -
Pythonで階層的クラスタリングをするときは、scipy.cluster.hierarchyを使うのが簡単なのですが、先日ちょっと間違えてしまいまして。 準備 scipyやmatplotlibを使います(インストールは済んでいるとして)。 import scipy import numpy import scipy.spatial.distance as distance from matplotlib.pyplot import show from scipy.cluster.hierarchy import linkage, dendrogram from random import random 特徴ベクトルの長さがdimのデータをn個ランダムに作り、実験用のデータとします。 n = 100 dim = 10 data = [[random() for i in range(dim
Stanford大学のオンライン授業で機械学習のコースを受講していましたが、この度めでたく修了しました。 機械学習をお勉強したい人には強くお勧めできる内容だったのでアウトラインだけ共有しようと思います。 ちなみに受講自体は無料です。 終了証明を取得したい場合はお金かかりますが、完全に自己満なのでどっちでもいいかと思います。 概要 機械学習の世界では知らない人はいない(?)というくらい著名な先生がわかりやすく機械学習の面白いところを教えてくれる動画授業です。 各動画には小テストがあり、自身の理解度を確認しながら進めることができます。 週に1トピックスの内容を学ぶスケジュールでコースは設計されており、1週間分の動画を全て見た後にはoctaveという言語を用いて実際に学んだ内容を実装してみるプログラミング課題を解きます。 動画授業を受けるだけではなく実際に手を動かしてみるので、理解度が上がります
タイトルとおりなんだけど、golang使ってみたいと思うケースが出てきて、入門のためまずはlifegameを書いてみた。 ルール ライフゲーム - Wikipedia 結果 github.com 16/7/16修正しました package main import ( "fmt" "math/rand" "time" ) type game struct { field [][]bool row int column int } func newGame(row, column int) *game { rand.Seed(time.Now().UnixNano()) p := new(game) p.row = row p.column = column p.field = make([][]bool, row) for r := 0; r < row; r++ { p.field[r]
C++プログラマから絶大な支持を集めるC++界のカリスマ、スコット・メイヤーズが、優れたC++プログラムはどのように書けばよいのかを指南。C++をすみずみまで知り尽くした著者が、効果的かつ堅牢、移植性の高い優れたC++プログラムを書くノウハウを42項目にまとめています。さらに上を目指したい中上級者必携の一冊です。C++11/C++14対応。 出版社より 謝辞 はじめに 1章 型推論 項目1:テンプレートの型推論を理解する 項目2:auto の型推論を理解する 項目3:decltype を理解する 項目4:推論された型を確認する 2章 auto 項目5:明示的型宣言よりもauto を優先する 項目6:auto が期待とは異なる型を推論する場面ではETII を用いる 3章 現代のC++ への移行 項目7:オブジェクト作成時の() と{} の違い 項目8:0 やNULL よりもnullptr を
とあるサーバで妙にシステムCPUの使用率が高い現象が置きておりました。 そこで、まずはざっくりとperf topでプロファイルをとってみると、以下のようになっていました。 22.38% [kernel] [k] copy_pte_range 18.44% [kernel] [k] zap_pte_range 11.13% [kernel] [k] change_pte_range 3.58% [kernel] [k] page_fault 3.32% [kernel] [k] page_remove_rmap また、各プロセスのstraceを眺めていると、cloneで0.05秒とかなり時間がかかっているようです。これだと単純計算で1コアで秒間20回のcloneでコア100%占有してしまう程度の非常に低速な処理しかできないことになります。 sudo strace -T -o/dev/stdo
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
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