ヴィトンと本マグロとロードバイク、高級品に共通するITとは
センサーの普及と低消費電力で広域の通信ができるLPWA（ローパワー・ワイドエリア）の登場によって、モノの動きをつかむIoT（インターネット・オブ・シングズ）の事例が続々と登場している。なかでも効果的なのが高級品。無くしたり、盗難に遭ったりした際の損失が大きいので防止策が望まれる一方、もともと高価なため通信料金などが別途付加されても全体の金額に占める割合は相対的に小さいためだ。ブランド物のバッグ、ロードバイク、本マグロと、奇想天外のIoT事例を見ていこう。 ルイ・ヴィトンのカバン、空港内を専用デバイスで追跡 年間2228万件――。2017年に発生した空港における荷物の取り扱いミス、つまりロストバゲージの想定件数だ。SITA（国際航空情報通信機構）によると、2017年のロストバゲージの発生率は旅客1000人につき5.57％（約60人）。2017年の総旅客数は4億人に上ることから、2228万件の
過学習とL2正則化 - Qiita
過学習とは、モデルが学習データにのみフィットしており、未知のデータの予測精度が低くなること。一般にモデルを複雑にするほど過学習は起きやすい。 未知のデータを予測する能力を「汎化能力」と言い、未知のデータを予測した際の誤りを「汎化誤差」と言う。 １．１．未知のデータを作る。 まず、未知のデータを作って過学習を実際に見てみる。 import numpy as np import math import matplotlib.pyplot as plt np.random.seed(seed=32) # create samples sample_size = 50 test_size = 20 noise_size = 0.2 dataX = np.linspace(0.0, 5.0, num=1000).reshape((1000, 1)) # create train data x = n
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
機械学習の正則化とは何ですか？