黒木玄 Gen Kuroki
- いいね数 389,756/311,170
- フォロー 995 フォロワー 14,556 ツイート 293,980
- 現在地 (^-^)/
- Web https://genkuroki.github.io/documents/
- 自己紹介 私については https://twilog.org/genkuroki と https://genkuroki.github.io と https://github.com/genkuroki と https://github.com/genkuroki/public を見て下さい。
2022年05月17日(火)
#Julia言語 辞書以外でも行ける。
f(; a, b) = a + b
param = (a = 1, b = 2)
f(; param...)
named tupleがシンプルで見易いかも。
github.com/genkuroki/publ... twitter.com/inazuma_110/st... pic.twitter.com/0MuGOSOEiV
タグ： Julia言語
posted at 01:39:13
kumpei.ikuta.me より
created at: 2020-12-10 10:38:24 +0900 JST
正規分布に従う疑似乱数を生成する方法は？速度は？調べてみました！
#Julia言語 のrandnのコード
↓
github.com/JuliaLang/juli... kumpei.ikuta.me/benchmark-norm...
タグ： Julia言語
posted at 02:11:02
#統計
watanabe-www.math.dis.titech.ac.jp/users/swatanab...
現実には、ベイズ統計学は主観確率に基く根本的に異なる統計学であり、期待リスク最小化によってリスク管理にも向いている、のような相当にまずい解説が主流だと思う。
しかし、その期待リスク最小化は
地元で最強
の範囲内(小さな世界)でのみ意味を持つ(笑) twitter.com/genkuroki/stat... pic.twitter.com/0DDvybTG5F
タグ： 統計
posted at 02:39:05
There's some sort of bitter irony to the reality that whenever a critical post hits HN, the collective time requirement of dealing with the fallout is probably greater than the time it would have taken to just fix all the issues container therein.
タグ：
posted at 06:13:30
It's a bit of a strange experience - not something I would have really appreciated without the experience of running a large project. Gives me some empathy towards public figures that get caught in various social media cycles.
タグ：
posted at 06:13:30
Honestly it wouldn't be as bad if it was scheduled in advance. Don't suppose there's any hope of convincing people to schedule these kinds of posts for like the third monday every other month, so I can keep my calendar clear ;).
タグ：
posted at 06:13:31
【05/17 7時更新】直近7日間の累計数と前週7日間の累計数の比率が 1以上の都道府県を赤字，1未満を黒字で表示した地図
前週より減少したのは 秋田 佐賀 のみ pic.twitter.com/zRgVqyK7f4
タグ：
posted at 06:38:27
Hey, I've got some exciting news! Today was my 1st official day at @RelationalAI! I did a little write up on my journey here. Can't wait to do more Julia full-time and share more about Relational!
#julialang
quinnj.hashnode.dev/starting-a-new...
タグ： julialang
posted at 07:12:30
これは信じてもらえないかもしれないんだけど
🍢
この絵文字、おでんを知らない外国人のスマホにも初期から入ってて
「変な形のロケットが火を出して飛んでる」
って思われたりするんだけど、日本のおでんだと知った後に日本で実物を探そうとしても、この形のおでんがないから真相わからず困ってる。
タグ：
posted at 08:45:28
#プログラミング勉強中
#programming
#スプライン補間
#splineinterpolation
#julia #julialang #julia言語
#python #c #c言語
#jupyternotebook #vscode
#macos #monterey
#macmini #macminim1 pic.twitter.com/zSXzmuU4Yv
タグ： c c言語 julia julialang julia言語 jupyternotebook macmini macminim1 macos monterey programming python splineinterpolation vscode スプライン補間 プログラミング勉強中
posted at 08:48:42
朝起きたら #JuliaLang 界隈が盛り上がっていて、言語そのものというよりも主にエコシステム内のバグやパッケージのスタビリティについての不満を述べたブログポストがHacker Newsのトップになってしまったらしい。
まだしっかり読んでないけど、内容もさることながら、ブログの筆者の方がJulia界では twitter.com/kenofischer/st...
タグ： JuliaLang
posted at 09:08:38
知られた方で、その人がもうJuliaコミュニティとは距離を置いてしまうのかという事実がとても悲しい…
個人的にも開発初期段階にJETを見つけてコメントをくれたりしてとても感度が良い人なんだなーって思ったのを覚えていたりする。
頑張ってJuliaを良い言語にしていくしかないんだけどね。
タグ：
posted at 09:08:39
ほんとに信じてもらえるか心配なんですが、おでんの汁へ日本酒を混ぜると危険です。
こんな顔になります。
🔽おでん汁に日本酒で昇天外国人
youtu.be/m02maLqnn8c pic.twitter.com/r2jtCN0bJU
タグ：
posted at 09:10:57
foresta.education/lp/a/sg6Zq6
「一般的なたしかめ算は、
「除数×商＋余り＝被除数」
として教えられています。
ところで、これは等分除と包含除のどちらの問題を扱った場合か、知っていますか？」
くだらないどーでもいいことでマウント取ってヒエラルキーを築くのが、#超算数
タグ： 超算数
posted at 09:28:30
foresta.education/lp/a/sg6Zq6
#超算数
会員登録しないと見れないけど、
等分除・包含除に関わらずこの順序
等分除と包含除で順序変える
その他、どんな結論が書いてあろうとも、こんなことを問うこと自体がくだらなすぎる。
確かめ算って、単に答えがあっているかを確かめるためのものだよ。
タグ： 超算数
posted at 09:31:55
#超算数
板書を見て推測すると
どちらも、4袋に6個ずつで全部で26個だから、確かめ算も同じにならないとおかしい、
だから、包含除なら除数×商、等分除なら商×除数、と順番を変えるべき
と言いたいようだ。
くだらない。 pic.twitter.com/pKylBjr3f7
タグ： 超算数
posted at 09:49:03
ゴールデンウィーク前後（4/23〜29と5/9〜15）のCOVID-19新規陽性数人口10万対7日間連続平均の比較
※昨日アップしたものが、計算式のセルが1行ずれていたため修正しました
※画像2では沖縄県は数が突出しすぎている（はるか右上）ため省略しています pic.twitter.com/TLgY8E5NEH
タグ：
posted at 09:51:22
twitter.com/ra_hiiragi/sta...
無視して、堂々とバツをもらうのが正しい態度。
教員が間違ったことを教えて間違った採点をしているのだから、授業を聞かないでバツをもらうのが、算数・数学を理解する最善の道。
タグ：
posted at 11:16:12
親父は決してまずそのものの名前を挙げたりはしないんだ。彼は何かの名前を知っていることと、何かを本当に知っていることとの違いが、ちゃんとわかっていたのさ。これは僕が随分小さいときから覚えたことだ。
タグ：
posted at 16:02:01
例えば、データの生成のされ方のモデルを未知の独立同分布確率変数列とするとき、確率分布p(x|θ)を推論推定用のモデルとして使った場合に何が起こるかを調べる話について、「現実のデータが確率分布で生成されたと仮定している」と言う連中はおバカさん達なので要注意。
続く
タグ：
posted at 16:51:37
そして、もっとひどいのは、1つ前に述べたツイートのq(x), p(x|θ)の話との比較で、「それに対して、期待リスク最小化を基礎とする主観主義ベイズ統計ではデータが確率分布で生成されていることを仮定しない」のように述べること。
こちらは単なるおバカさんではなく、論外なおバカさん。続く
タグ：
posted at 16:55:30
q(x), p(x|θ)の組を使う場合とその場合の公平な比較をするためには、主観主義ベイズ統計における期待リスク最小化は、
事前分布φ(θ)のもとで
p(x|θ)によってデータが生成されている
というモデルの内側での期待リスク最小化
(地元で最強な期待リスク最小化w)
であることに注意する必要あり！
タグ：
posted at 17:00:58
未知の(任意の)分布q(x)を使うのをやめて、パラメータに関する確率分布φ(θ)を使うことにして、分布φ(θ)とモデルp(x|θ)でデータが生成されているという設定で期待リスク最小化を考えているわけです。
期待リスク最小化ではデータが確率分布で生成されている設定をもろに使っている。
タグ：
posted at 17:05:04
もしかしたら、「ベイズ統計ではデータが確率分布で生成されているとは考えない」のようなことを言うのはほとんど詐欺のようなものです。
普通の教科書に書いてあるように、事前分布φ(θ)と統計モデルp(x|θ)によってデータが生成されたときの期待リスク最小化をしていることを正直に説明するべき。
タグ：
posted at 17:07:29
事前分布φ(θ)と統計モデルp(x|θ)によってデータが生成されたときの期待リスク最小化自体は十分に面白い話です。一般に「〇〇の最小化」は数学的にもセンスの良い設定になっています。
しかし、20世紀の主義に基く統計学の暗黒の言説を21世紀で拡散するのは悪行の1つだと言って良いでしょう。
タグ：
posted at 17:09:28
ここまで読んだ後でシンプルな例の計算を見てより強く納得するためには、渡辺澄夫さんの
watanabe-www.math.dis.titech.ac.jp/users/swatanab...
決定理論 と ベイズ法
を読むと良いです。そしてさらに、
watanabe-www.math.dis.titech.ac.jp/users/swatanab...
小さな世界と大きな世界
を読むと良いと思います。細かい計算ミスは自分で訂正すること(笑) pic.twitter.com/mpXDkFhVXq
タグ：
posted at 17:13:50
#統計
例えば、主観φ(θ)とp(x|θ)のもとでの期待リスク最小化(地元で最強な期待リスク最小化)を採用することがどのような場合に危険であるかも分かります。
渡辺澄夫著『ベイズ統計の理論と方法』p.125での平均プラグイン法に関する注意はそういう話です(添付画像)。 pic.twitter.com/Lgr7kCvtkQ
タグ： 統計
posted at 17:30:28
事後分布が単峰型で台が綺麗な楕円形の場合には、既存のどの方法を使っても大差ないです。
しかし、そうでない場合には、各方法ごとに道具の使用リスクが全然違う。
そこまで考えるとベイズ統計の優秀性が見えて来るというのが、渡辺澄夫『ベイズ統計の理論と方法』の内容の要約になります。
タグ：
posted at 17:41:14
しかし、そのときに、伝統的な主観主義ベイジアンの考え方の説明でよく使われている事前分布φ(θ)とp(x|θ)で構成されたモデル内部での期待リスク最小化が必ずしも安全な方法ではないことも明らかになってしまったわけです。
主義に基く統計学の信奉者には都合の悪い結果でしょう。
タグ：
posted at 17:43:56
「頻度論ではなくベイズ統計ならばデータが確率分布で生成されているとは仮定しない」のように誇らしく語っている人を見たら、みんなで
「地元で最強」(ボソッ)
と言ってあげるとよいと思う。
実際には、事前分布φ(θ)とモデルp(x|θ)でデータが生成されるという設定で期待リスクを最小化している。
タグ：
posted at 17:51:53
普通の多くの人が恐れることは、自分自身の事前の主観的な確信度φ(θ)とモデルp(x|θ)の組み合わせが的を外しているせいで、ひどい結果を招いてしまうことでしょう。
そういうリスクについては、φ(θ)とp(x|θ)で構成されたモデル内部で期待リスクを最小化(地元で最強を主張w)しても何も分からない。 twitter.com/genkuroki/stat...
タグ：
posted at 18:04:29
相互リンク
主観主義ベイズでの期待リスク最小化の最小化は「地元で最強」に過ぎないことの強調が必要。 twitter.com/genkuroki/stat...
タグ：
posted at 18:43:03
@bampaku @sekibunnteisuu 以下の訂正版でもその前の万博さんが誤りを指摘してくれた版でも、「0a=aの証明」とトンデモないことが書かれていたのは気付いていましたか？
証明の途中のタイポに気付いても、最初の「0a=a」には気付き難いかもしれないと思いました。
万博さんが「0a=a」の方は指摘しなかった件は結構おもろい。 twitter.com/genkuroki/stat...
タグ：
posted at 18:51:55
@bampaku @sekibunnteisuu おそらく、目で見た情報は数学ではあまり重要でなくて、みんないきなり内容を心の中で考えているのだと思う。
だから、トンデモないミスも目で見ただけでは気付き難い。
タグ：
posted at 18:53:24
#Julia言語
❌for i in eachindex(a)
はOffsetArrays.jlと相性が悪い。
一方、eachindex(a)より短く入力し易く、OffsetArrays.jlにも対応しているkeys(a)の結果は結構おもろくて、添付画像のようになる。 pic.twitter.com/z1OVC6fzip
タグ： Julia言語
posted at 19:27:29
#Julia言語 Y.V.氏は、以上で紹介したOffsetArrays.jlのエコシステム内での孤立の問題と、以下のリンク先で、xlogyを使うべき場面で使わずにすます手抜きが原因の不具合を同時に挙げていますが、全然違う問題だと思います。
github.com/JuliaStats/Dis...
タグ： Julia言語
posted at 19:49:05
#Julia言語 追加
❌for i in 1:size(a,1)
もOffsetArrays.jlと相性が悪い。意味的にも
⭕️for i in axes(a,1)
の方がベターだし、入力文字数も少ない。
同様に
❌for i in eachindex(a)
よりも
⭕️for i in keys(a)
の方がベター。 twitter.com/genkuroki/stat...
タグ： Julia言語
posted at 19:57:12
#Julia言語 以上の話と無関係の話題になってしまいますが、行列Aの全てに列の和をまとめてベクトルを作りたければ、
sum.(eachcol(A))
で可能。この方法はよく使う。 pic.twitter.com/lRPxfivVBR
タグ： Julia言語
posted at 20:38:57
#Julia言語 NaNが出て来るのは
のような場合。
「Inf * 0.0 なんて計算することない」と思っていても、exp(1000) * exp(-1000) のような形でやってしまうことが、確率の計算ではよくあります。
対数値を足し上げてからexpする必要がある。 twitter.com/genkuroki/stat... pic.twitter.com/EZoSX7aHem
タグ： Julia言語
posted at 20:51:55
ごまふあざらし(GomahuAzaras @MathSorcerer
凄すぎて笑う
#Julia言語 twitter.com/federico_claud...
タグ： Julia言語
posted at 22:44:20
