Twitter APIの仕様変更のため、「いいね」の新規取得を終了いたしました

黒木玄 Gen Kuroki

@genkuroki

  • 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。
並び順 : 新→古 | 古→新

2017年10月08日(日)

A級3班国民 @kankichi573

17年10月8日

@sekibunnteisuu いくらなんでもテントウムシにしてしまったら鳳さん(与謝野晶子の実兄)がかわいそうで見てられない。
#超算数 #モルグリコ

タグ: モルグリコ 超算数

posted at 00:06:37

非公開

タグ:

posted at xx:xx:xx

黒木玄 Gen Kuroki @genkuroki

17年10月8日

#数楽 #JuliaLang

gist.github.com/genkuroki/d34e...
線形回帰のアニメーションの作り方
juliabox.com にアップロードして使える

出力をクリアしてアップロードできるサイズにおさえました。

タグ: JuliaLang 数楽

posted at 06:25:30

黒木玄 Gen Kuroki @genkuroki

17年10月8日

#数楽 #JuliaLang

nbviewer.jupyter.org/gist/genkuroki...
線形回帰のアニメーションの作り方
このファイルは生成されたアニメーション付き

Julia言語からmatplotlib.animationを使ってGIFアニメを作る方法もわかります。

タグ: JuliaLang 数楽

posted at 06:28:29

黒木玄 Gen Kuroki @genkuroki

17年10月8日

#数楽 #JuliaLang 以上の2つは以下の2つの続きです。

gist.github.com/genkuroki/bc35...
測定スキルの異なる7人の科学者たち←外れ値で遊んでみる話

gist.github.com/genkuroki/1e1e...
動物の体重と脳の重さの関係

タグ: JuliaLang 数楽

posted at 06:31:02

Haruhiko Okumura @h_okumura

17年10月8日

中山成彬氏の「日教組の強いところは学力が低い」発言のファクトチェックを何度もした。最新作→ oku.edu.mie-u.ac.jp/~okumura/stat/... twitter.com/sspmi/status/9...

タグ:

posted at 08:32:31

Akinori Ito @akinori_ito

17年10月8日

研究機関や研究者に絶対的に足りない額しか投資せず、互いに競わせて残った奴が優秀っていう政策、考えてみたら蠱毒じゃないか

タグ:

posted at 08:39:20

Atsushi Sakai @Atsushi_twi

17年10月8日

おお、これを使ったら本当にJuliaのコードをコンパイルして実行ファイルができたぞ。。 #julialang JuliaComputing/static-julia: Static AOT Julia compilation github.com/JuliaComputing...

タグ: julialang

posted at 09:59:17

yukihirotakahashi @room66plus

17年10月8日

誤操作ではありませんw twitter.com/takkyuishino/s...

タグ:

posted at 10:18:54

弁護士ドットコムニュース @bengo4topics

17年10月8日

統合失調症を患った人を医療機関につなげる探偵会社。その社長・重川亮さんによると、「精神疾患のある人をカモにして成り立っている探偵会社は多く、業界の表沙汰にされたくない部分」だそうです。ライターの片岡健さんが取材しました。www.bengo4.com/other/n_6761/

タグ:

posted at 10:37:54

非公開

タグ:

posted at xx:xx:xx

想田和弘 @KazuhiroSoda

17年10月8日

維新公認候補となる長谷川豊、去年夏、死刑囚について「ゴミはごみ箱に捨てるべきだ」「死刑にするなら、もっと残酷に殺すべき」「小学校時代からその死刑執行シーンはみんなに見せた方がいい」なんてことも書いてたんですね。維新こそゴミなのでは。news.ameba.jp/entry/20160727...

タグ:

posted at 11:24:06

吉藤オリィ@分身 @origamicat

17年10月8日

眼しか動かせないALS患者の榊さんがOriHime eyeを使い、視線入力で描かれた最新作がこちら。
おそらく、眼だけでここまで絵をかける人はおらず、人類未踏の領域。人の可能性を更新しているのは痺れる。 pic.twitter.com/y6HEG7cmC8

タグ:

posted at 15:18:59

非公開

タグ:

posted at xx:xx:xx

積分定数 @sekibunnteisuu

17年10月8日

@kankichi573 知らなかった。安斎育郎氏が空耳アワーの安西さんの叔父、以来の驚き。

タグ:

posted at 20:15:53

こなみひでお @konamih

17年10月8日

結果はなかなかおもしろい。きちっと検証できるツールを使ってファクトチェック。長野さんGJだね。
小池知事「核武装容認」サイトから削除? 検証ツールで確認すると… - withnews(ウィズニュース) withnews.jp/article/f01710... #withnews

タグ: withnews

posted at 20:15:53

M. Watanabe @labidochromis

17年10月8日

便所は大切>ソ連の宇宙技術は最強過ぎたのだが、それを西側諸国が完全に理解したのはつい最近だった『ラヴェル船長の受難とソビエト及びロシアだけが保有する衛生管理技術』 ncode.syosetu.com/n4343eh/1/ #narou #narouN4343EH

タグ: narou narouN4343EH

posted at 22:31:06

グレッグ @glegory

17年10月8日

田原総一朗という人はもうお年なんですよ。そろそろTVにはださないほうがいいと思いますよ。出す奴が悪いですね。

タグ:

posted at 22:34:41

黒木玄 Gen Kuroki @genkuroki

17年10月8日

#数楽 #JuliaLang q(x|ν)をt分布の確率密度函数とし、確率密度函数

p(x|ρ,ν) = q(x/ρ|ν)/ρ

のサンプルサイズが小さい場合の尤度函数の様子をプロットしてみました。
nbviewer.jupyter.org/gist/genkuroki...
続く

タグ: JuliaLang 数楽

posted at 23:43:49

黒木玄 Gen Kuroki @genkuroki

17年10月8日

#数楽 #JuliaLang その確率密度函数は

(エラー) = ρ×T、 Tは自由度νのt分布に従う確率変数

というモデルの確率密度函数です。エラーのサンプルを与えて、ρとνの値を最尤法で計算しました。右半分がサンプル(縦軸がエラー、横軸は無意味な番号付け)。続く pic.twitter.com/A9V0c0F404

タグ: JuliaLang 数楽

posted at 23:49:03

黒木玄 Gen Kuroki @genkuroki

17年10月8日

#数楽 続き。左半分の色付けは対数尤度函数の-1倍です。色が黒い部分ほど対数尤度の-1倍が小さいので、尤度は高い。最適化による最尤法の計算は△からスタートして□でストップしています。きちんと黒い部分に収束している。続く

pic.twitter.com/A9V0c0F404

タグ: 数楽

posted at 23:51:22

黒木玄 Gen Kuroki @genkuroki

17年10月8日

#数楽 #JuliaLang 続き。自由度nuの大きなt分布は実質的に正規分布と区別がつかないので、添付画像の例で最尤法は正規分布になっていると判断していることになります。すなわち、最尤法さんは「外れ値はない」と判断している。

pic.twitter.com/A9V0c0F404

タグ: JuliaLang 数楽

posted at 23:53:53

黒木玄 Gen Kuroki @genkuroki

17年10月8日

#数楽 確かにサンプルの上下のばらつき方を見ると外れ値はないように見える。

t分布の自由度nuの値がどんどん大きくなって行っているということから、最適化函数さんが「このサンプルには外れ値がないよ!!!」と叫んでいるように見える。

pic.twitter.com/A9V0c0F404

タグ: 数楽

posted at 23:56:01

黒木玄 Gen Kuroki @genkuroki

17年10月8日

#数楽

最適化函数さん曰く「これってもしかして外れ値があるかもしれないよ」 pic.twitter.com/HvLpKTMkF6

タグ: 数楽

posted at 23:57:15

黒木玄 Gen Kuroki @genkuroki

17年10月8日

#数楽

最適化函数さん曰く「これは外れ値があるよ!」 pic.twitter.com/dkXka96p4C

タグ: 数楽

posted at 23:58:13

黒木玄 Gen Kuroki @genkuroki

17年10月8日

#数楽

最適化函数さん曰く「これは絶対に外れ値があるよ(笑)」 pic.twitter.com/OH7Vs42NRB

タグ: 数楽

posted at 23:59:09

2017年10月09日(月)

黒木玄 Gen Kuroki @genkuroki

17年10月9日

#数楽 特別に数学的に厳密な証明をする訓練を受けていなくても、以上のような計算実験をすれば、モデルの尤度函数の様子や最尤法で使用する最適化函数の「気持ち」がわかるようになると思う。

ソースファイル(汚いです!)は次の場所で全公開
nbviewer.jupyter.org/gist/genkuroki...

タグ: 数楽

posted at 00:01:17

黒木玄 Gen Kuroki @genkuroki

17年10月9日

#数楽 数学的風景の様子(例えば尤度函数の様子)が見えていなかったり、「気持ち」がわかるまで「お付き合い」していなかったりする状態で、統計の計算用の既存のパッケージを使うのはものすごく危ないと思う。

タグ: 数楽

posted at 00:03:42

黒木玄 Gen Kuroki @genkuroki

17年10月9日

#JuliaLang の Optim.jl パッケージのoptimize函数の値
r=optimize(f,init,Optim.Options(store_trace=true,extended_trace=true))
の中身は dump(r) すればわかります。続く

タグ: JuliaLang

posted at 00:10:18

黒木玄 Gen Kuroki @genkuroki

17年10月9日

#JuliaLang 続き。トレースのオプションをオンにしておくと、
r.trace
に途中の計算の様子の記録が格納されています。その中身も dump(r.trace) すればわかります。
r.trace[10].metadata
に10番目の計算結果が入っている。

タグ: JuliaLang

posted at 00:12:28

黒木玄 Gen Kuroki @genkuroki

17年10月9日

#JuliaLang 続き。計算途中のパラメーターの値は、デフォルトのNelder-Mead法では

r.trace[i].metadata["centroid]

に入っており、他のsolverでは

t.trace[i].metadata["x"]

に入っています。

タグ: JuliaLang

posted at 00:16:00

黒木玄 Gen Kuroki @genkuroki

17年10月9日

#JuliaLang の使い方を覚えるコツは、

?hoge

でドキュメントを検索しまくったり、

dump(hoge)

で hoge の中身を覗いてみたりすることだと思います。あと

{at-mark}time hoge

でhogeの実行時間とメモリ使用量を常にチェック。

タグ: JuliaLang

posted at 00:19:33

黒木玄 Gen Kuroki @genkuroki

17年10月9日

#数楽

err = ρ×T、 Tは自由度νのt分布に従う確率変数

というモデルの尤度函数の様子を見るときには、ρとνは対数座標系にした方が良さそうでした。実際のプロット結果もそうなっています。

タグ: 数楽

posted at 00:23:01

黒木玄 Gen Kuroki @genkuroki

17年10月9日

#数楽 対数尤度函数の-1倍の値の色による表現ですが、そのまま色付けするとすでに対数を取ってあるにも関わらず、値の変化が巨大であり、うまく行きません。最小値を引いて小さな値を足してから再度対数を取った結果で色付けしています。要するに3次元グラフにした場合の縦軸も対数軸にした。

タグ: 数楽

posted at 00:25:57

黒木玄 Gen Kuroki @genkuroki

17年10月9日

#数楽 そのままプロットしてもわからないときに、座標のスケールを変えてプロットし直すのは基本中の基本です。そして、その基本中の基本中の基本は対数スケールにすること。

対数を習った高校生の大部分は対数の価値が分からないと思いますが、対数無しにはまともにグラフも描けません。

タグ: 数楽

posted at 00:27:42

黒木玄 Gen Kuroki @genkuroki

17年10月9日

#数楽 対数を知らないと、値を色付けでうまく表現することさえできない。対数が役に立たないという感覚は幻想に過ぎません。リアルに役に立ちまくり。

タグ: 数楽

posted at 00:30:11

黒木玄 Gen Kuroki @genkuroki

17年10月9日

#数楽 ついでに述べておくと、x > 0 の函数

f_α(x) = (x^α-1)/α

は α→0 で

f_0(x) = log x

に収束します。これは「対数函数は孤独ではなく、仲間がいること」を意味しています。数学的対象の仲間を知っておくことは応用上とても大事。

タグ: 数楽

posted at 00:33:50

牙 龍一:脱財政再建! @kiba_r

17年10月9日

現時点で、枝野と前原なら、枝野支持するし

立憲民主党と希望党なら、立憲民主党支持するけど

民主党が政権取る時に、少しだけ期待してた時の事を思い出す。
子ども手当の公約や、小沢鋭仁、馬淵澄夫、金子洋一に期待したんだ。
結局、裏切られた。民主党では財務官僚と戦えない。

タグ:

posted at 00:38:45

黒木玄 Gen Kuroki @genkuroki

17年10月9日

#数楽 #JuliaLang 上のt分布モデルを線形回帰に利用する場合は対数尤度函数の-1倍の値を大きなν(>10^8)と小さなρ(<0.1^4)で∞に設定しておくと、挙動が安定し易くなります。大きなνは正規分布を意味するので、そうしておいてもたぶん問題ない。

タグ: JuliaLang 数楽

posted at 01:02:22

nana @JapaneseSchool

17年10月9日

先生もくっつけちゃったから、わざわざ修正テープで修正。教員は忙しいと言いながら、こんなどうでもいい事に時間使ってるんだなぁ、と思ってしまう。くっつくかくっつかないかは「フォントの差」です。正誤には無関係。ほら、「夜」、くっついてる。 pic.twitter.com/lR0Cp2uGWf

タグ:

posted at 01:53:19

Yamanami @yamanamitakeshi

17年10月9日

@genkuroki 『テコンドー韓流ダイエット 岡本依子のネリチャギビューティー』
とかいう物が実在するので、どちらの観測も当たっているのでは。
(予告編 www.youtube.com/watch?v=gpxFKi...

タグ:

posted at 02:02:23

解答略 @kaitou_ryaku

17年10月9日

渡辺先生のベイズ統計本で、ようやくWAIC導出までの式が追えた。ミソは、特異点解消してδ超関数を漸近展開するところ。メリン変換後の極の最大位数mがlog 0型の漸近挙動を招くことで、自由エネルギーFの漸近展開にlog(log(n))なるクソキモい項が現れる。極の値-λは、Fにlog(n)の寄与を与える。

タグ:

posted at 05:11:09

解答略 @kaitou_ryaku

17年10月9日

渡辺先生のベイズ本4章を読み始めた頃は、「統計力学やったことあるし、まぁ簡単にいけるやろ」などとタカをくくっていたが、見積もり甘すぎた。WAICの導出は2010年らしいし、そんなに簡単なわけないよな。でも何事につけ「いけるやろ」という心境でトライするのは重要だと思う。

タグ:

posted at 05:34:16

黒木玄 Gen Kuroki @genkuroki

17年10月9日

#数楽 #JuliaLang

gist.github.com/genkuroki/469e...

y = bx + ρT(ν)、T(ν)は自由度νのt分布に従う

というモデル(パラメーターはb,ρ,ν)の尤度函数で真のミニマム以外にローカルミニマムを持つ例のJupyter notebook

タグ: JuliaLang 数楽

posted at 11:35:21

黒木玄 Gen Kuroki @genkuroki

17年10月9日

#数楽 続きの注意。実際に扱っているのは、尤度函数の対数の-1倍なので、マキシマムではなくて、ミニマムを扱っていることになっています。

タグ: 数楽

posted at 11:40:08

黒木玄 Gen Kuroki @genkuroki

17年10月9日

#数楽 y = bx + ρT(ν) (T(ν)は自由度νのt分布に従う)というモデルに外れ値のあるサンプルを食わせると真のミニマム以外のローカルミニマムを持つ対数尤度函数の-1倍が出て来ます。真のミニマム以外のローカルミニマムは「正規分布解」です。続く

タグ: 数楽

posted at 11:42:04

黒木玄 Gen Kuroki @genkuroki

17年10月9日

#数楽 y = bx + ρT(ν) (T(ν)は自由度νのt分布に従う)というモデルはν→∞で y = bx+ρZ (Zは標準正規分布に従う)になります。これは定数項がない最小二乗法と同じ。ν=∞の最小二乗法の解から真の解に「降りて行くこと」ができればいいのですが~続く

タグ: 数楽

posted at 11:45:02

黒木玄 Gen Kuroki @genkuroki

17年10月9日

#数楽 続き~、実際にはそうなっていなくて、真のミニマムに到達するためには、一度坂を登らないといけない。

ローカルミニマムの問題はどう処理するのが普通なんだろうか?

最尤法ではなく、ベイズ推定法にして、MCMCがうまく谷越えしてくれることを期待する方がいい?

タグ: 数楽

posted at 11:47:53

黒木玄 Gen Kuroki @genkuroki

17年10月9日

#数楽 私が計算した例では、真の解の対数尤度の-1倍は-17程度で、ローカルミニマムでは2.83程度です。値が20近く違うので、-1倍してexpして尤度に戻せば「ローカルミニマムは存在しない」のと同じ。でも、optimize函数を使うとローカルミニマムによく落ち込んで止まる。

タグ: 数楽

posted at 11:52:16

黒木玄 Gen Kuroki @genkuroki

17年10月9日

#数楽 ベイズ統計での事後分布は定数倍を除いて尤度函数×事前分布に等しいので、一様事前分布なら尤度函数と事後分布は定数倍を除いて同じもの。その値がexp(20)程度違うので、確率的にローカルミニマムはないも同然。でも初期値から降りて行くとローカルミニマムでよく止まる。

タグ: 数楽

posted at 12:25:53

黒木玄 Gen Kuroki @genkuroki

17年10月9日

#数楽 リンク先の動画がローカルミニマムで止まる例。外れ値を無視できずに最小二乗法解に落ち込んでいる。
twitter.com/genkuroki/stat...

タグ: 数楽

posted at 12:30:48

Atsushi Sakai @Atsushi_twi

17年10月9日

JuMPを使ったナップサック最適化問題をこれでコンパイルしたら、コンパイル込みで11秒かかっていたコードが、0.8秒で実行できた。。。すごいJulia最強ではないか。。 #julialang

タグ: julialang

posted at 14:25:37

黒木玄 Gen Kuroki @genkuroki

17年10月9日

#数楽 真の解と別にローカルミニマムがある小さな例

model: y = rho*TDist(nu)
sample: [0.01, 1.0]

初期条件 (rho,nu)=(1.0,1.0)だとローカルミニマムに落ちて行ってしまう。(0.9,1.0)にずらすと真の解へ。 pic.twitter.com/eUsc0w5tUm

タグ: 数楽

posted at 14:34:36

黒木玄 Gen Kuroki @genkuroki

17年10月9日

#数楽 #JuliaLang 一つ前のツイートのサイズ2のサンプルで最尤法の真の解とは異なるローカルミニマムがあるケースのプロットのソースコードは

nbviewer.jupyter.org/gist/genkuroki...

の下の方にあります。

タグ: JuliaLang 数楽

posted at 14:41:50

黒木玄 Gen Kuroki @genkuroki

17年10月9日

#数楽 やっている計算は単純で、p(x|ν) を自由度νのt分布の確率密度函数として、p(y|ρ,ν)=p(y/ρ|ν)/ρ とおき、対数尤度函数の-1倍 f(ρ,ν)=-log[p(0.01|ρ,ν)p(1.0|ρ,ν)] を最小化しているだけなので、誰でも試せます。

タグ: 数楽

posted at 14:49:16

黒木玄 Gen Kuroki @genkuroki

17年10月9日

#数楽 自由度νのt分布はν→∞で標準正規分布に収束します。
添付画像は確率密度函数の対数のグラフです。ν=100のt分布は±5σ程度まで標準正規分布に一致し、ν=1000なら±10σ程度まで、ν=10000なら±20σ程度まで一致します。上のローカルミニマムでは ν=1億! pic.twitter.com/FaDKIXCoDh

タグ: 数楽

posted at 15:03:06

おおたまん @ohtaman

17年10月9日

先ほどの資料です。

deeplearn.js入門
docs.google.com/presentation/d... #devfest17

タグ: devfest17

posted at 15:03:17

黒木玄 Gen Kuroki @genkuroki

17年10月9日

#数楽 学部2年生向けの統計学の教科書では、t検定のためにt分布を導入していて、t分布についてよくわからない説明がされている場合が多いと思う。その手の教科書は私が読んでも理解できない😭

t分布は正規分布の分散の逆数がガンマ分布していると仮定すれば出て来ます。単にそれだけのこと。

タグ: 数楽

posted at 15:06:44

黒木玄 Gen Kuroki @genkuroki

17年10月9日

#数楽 続き。まず、ガンマ分布に従って正の実数が得られる「ルーレット」を回して、分散の逆数の値を決めます。次に、その分散を持つ正規分布の「ルーレット」を回します。このようにして得られたランダムな数値は、t分布に従う乱数(の定数倍)になります。続く

タグ: 数楽

posted at 15:09:11

非公開

タグ:

posted at xx:xx:xx

黒木玄 Gen Kuroki @genkuroki

17年10月9日

#数楽 続き。測定者の技術が人によって違っていて、真の値からのずれの大きさ(分散)が逆ガンマ分布に従っていて、各個人の測定誤差は正規分布に従うというモデルを考えると、実質的にt分布を使うモデルを考えたことになります。測定が下手なやつがときどき出て来て外れ値を出すこともあるモデル。

タグ: 数楽

posted at 15:12:02

黒木玄 Gen Kuroki @genkuroki

17年10月9日

#数楽 「平均μの正規分布が生成したサンプルの標本平均M_nと不偏分散U_n^2に対してT_n=(M_n-μ)/(U_n/√n)は自由度n-1のt分布に従う」というスタイルの解説では、正直な話、私も理解できなかった。もっと正直な話をすると、統計学の大抵の教科書は私には理解不能。

タグ: 数楽

posted at 15:25:09

坊主 @bozu_108

17年10月9日

小学校の先生しか分からない苦労選手権

最優秀賞
問題は生徒対応より保護者対応。

金賞
高学年女子の陰口の恐ろしさ

入選
1+1という名の哲学講義

男の子は大体瞬足をはいているので一緒に走るとコーナーで差をつけられる

キラキラネームが解読不可能 pic.twitter.com/6XafhP7PkV

タグ:

posted at 15:28:51

黒木玄 Gen Kuroki @genkuroki

17年10月9日

#数楽 #JuliaLang のDistribution.jlパッケージのソースコードを見て(ドキュメント
juliastats.github.io/Distributions....
からソースコードにリンクがはってあるので必然的に見ることになる)、ちょっと勉強になったこともあります。それは~続く

タグ: JuliaLang 数楽

posted at 15:32:13

黒木玄 Gen Kuroki @genkuroki

17年10月9日

#数楽 ~確率分布のパッケージの内容は、

・確率分布の記述法
・確率分布に従った乱数発生法(sampler)
・確率分布函数などを計算してくれる函数群

数学教育的にも、教科書でsamplerの例も説明した方が確率分布について理解し易いのではないかと思いました。続く

タグ: 数楽

posted at 15:35:02

黒木玄 Gen Kuroki @genkuroki

17年10月9日

#数楽 続き。確率分布dに従う擬似乱数発生法の実装の仕方は、そのままその確率分布で記述されるモデルがどのようなケースで利用できるかに関する説明にもなっているし、乱数発生法の重要性を強調しておくと、MCMCのようなアイデアとも繋げやすくなります。

タグ: 数楽

posted at 15:37:29

黒木玄 Gen Kuroki @genkuroki

17年10月9日

#数楽 続き。

例:t分布に従う乱数の実装は、ガンマ分布に従う乱数と正規分布に従う乱数の生成法が実装されていれば簡単に実現できます。その実装はそのまま階層モデルの記述にもなっている。

例:正規分布乱数の生成には中心極限定理を使った幾らでも効率の**悪い**方法が存在する。

タグ: 数楽

posted at 15:40:27

非公開

タグ:

posted at xx:xx:xx

非公開

タグ:

posted at xx:xx:xx

黒木玄 Gen Kuroki @genkuroki

17年10月9日

#数楽 続き。よく出て来る正規分布とガンマ分布が自然に出て来る中心極限定理とは別の仕組みについては以下の2つのリンク先を参照。

正規分布↓
twitter.com/genkuroki/stat...

ガンマ分布↓
twitter.com/genkuroki/stat...

タグ: 数楽

posted at 15:57:31

非公開

タグ:

posted at xx:xx:xx

柚子くず湯 @yuzu_96wiz_only

17年10月9日

4×6と6×4は答えは一致するが、式の意味が違う。4が6個か6が4個か。その違いを説明出来ない人が多い。2年生の掛け算の導入で習ったはず。
式の順序の大切さは「行列」(旧数学C,現在は高校で扱わない)を習うまでイマイチ理解しにくい。そんな算数・数学の現状をどうにか出来ないものか。 twitter.com/bozu_108/statu...

タグ:

posted at 19:52:34

Yukihiro Matz @yukihiro_matz

17年10月9日

link: C言語でインクルードするだけで使えるNon-movingで正確なコピーGCを作った - Qiita:
qiita.com/wasabiz/items/...

タグ:

posted at 20:46:52

Yukihiro Matz @yukihiro_matz

17年10月9日

link: nyuichi/gc.h: Header file-only Non-moving & Precise GC for C (< 100LOC w/o comments):
github.com/nyuichi/gc.h

タグ:

posted at 20:48:55

UFO教授 (藤木文彦 Fumihiko @UFOprofessor

17年10月9日

@genkuroki ちゃんとした説明のしてある本があったら私も教材に使いたいです。去年苦労したので。

タグ:

posted at 21:06:03

積分定数 @sekibunnteisuu

17年10月9日

#数教協 #水道方式
遠山啓は文章がうまい。これは褒め言葉ではなくむしろ逆。うまい文章は、内容が妥当でなくてもそれなりに立派に思わせてしまう。この文章も、ベクトルや数学に関して全く知らない人が読んだら「なんだか知らないけど、いいこと言っているようだ」と思ってしまうかも知れない。

タグ: 数教協 水道方式

posted at 21:27:40

積分定数 @sekibunnteisuu

17年10月9日

#数教協 #水道方式 でも、検証するとおかしなことを言っている

p104 矢線のベクトルにとって致命的なのは4次元以上は考えられないということである。4次元になっても何か矢線のようなものを考えようとして、懸命の努力をくりかえすが、そんなことはどうしてもできない、できるはずがない

タグ: 数教協 水道方式

posted at 21:31:46

積分定数 @sekibunnteisuu

17年10月9日

#数教協 #水道方式 「~と考えるのは難しい。」ならまだ分かるが、「考えられない」と断言している。ということは遠山啓自身が考えられないと言うことである。だとしたら、遠山啓って本当に数学者?と思わざるを得ない。

私はn次元も矢印で考えているが何か?

タグ: 数教協 水道方式

posted at 21:35:42

黒木玄 Gen Kuroki @genkuroki

17年10月9日

#数楽 #JuliaLang

下のリンク先のツイートのモデル(と同値な階層モデル)とサンプルでベイズ推定してみました。Julia言語でのMCMC適用の非常に小さな実例です。
nbviewer.jupyter.org/gist/genkuroki...

twitter.com/genkuroki/stat...

タグ: JuliaLang 数楽

posted at 21:37:41

積分定数 @sekibunnteisuu

17年10月9日

#数教協 #水道方式 そもそも、3次元を考えるときだって、三次元そのものを図に書いたりしないだろう。紙に描いて考える。2次元だよね。2次元の図で3次元を考えることが出来る。その類推でn次元も出来ると思うけどね。

タグ: 数教協 水道方式

posted at 21:39:32

黒木玄 Gen Kuroki @genkuroki

17年10月9日

#数楽 #JuliaLang のMCMCパッケージのMamba.jlは複数のチェインを並列処理してくれます。添付画像は同時に作った8つのチェインの最後の一つです。事前分布は対数座標での正規分布。

詳しくはソースコードを参照。
nbviewer.jupyter.org/gist/genkuroki... pic.twitter.com/2yZpMMKr1z

タグ: JuliaLang 数楽

posted at 21:40:38

こなみひでお @konamih

17年10月9日

@sekibunnteisuu 2,3次元でノルムや線形変換のイメージを納得いくまで掴んでいれば、多次元でも自然な延長としてイメージ化できますもんね。

タグ:

posted at 21:44:08

積分定数 @sekibunnteisuu

17年10月9日

#数教協 #水道方式 3次元と4次元以上にとてつもなく大きな断絶があるかのように言いながら、「積分も実は内積の発展したもの」などとさらっと書いている。
3次元と4次元の断絶よりも、有限次元と無限次元との断絶の方が大きいだろうに、そこはあっさり越えてしまっている。

タグ: 数教協 水道方式

posted at 21:44:27

黒木玄 Gen Kuroki @genkuroki

17年10月9日

#数楽 #JuliaLang なぜか事前分布として最初手抜きの一様分布を使っていたのだが、それを正規分布に変えたら、計算がかなり速くなった。Mamba.jlについては全然理解していません。

mambajl.readthedocs.io/en/latest/

タグ: JuliaLang 数楽

posted at 21:46:03

積分定数 @sekibunnteisuu

17年10月9日

@konamih まさにその通り。さらに、2次元と3次元をやることで、その次元特有のことなのか、一般化できることなのかも類推することが出来る。

タグ:

posted at 21:47:20

黒木玄 Gen Kuroki @genkuroki

17年10月9日

#数楽 現在ではベイズ推定に使えるMCMCのパッケージが色々配布されていて、誰でも簡単にMCMCできちゃう感じ。そういうパッケージを使えば階層モデルの扱いも易しいです。

しかし、階層ベイズモデルでWAICのような推定結果の予測精度の指標を計算しようとすると面倒なことになります。

タグ: 数楽

posted at 21:48:06

Akinori Ito @akinori_ito

17年10月9日

魔法少女アニメ用音響エフェクトの自動生成に関するNicographの論文。Akinori Ito は私ではない。微妙に近い分野で同姓同名がいるとまぎらわしいなあ ieeexplore.ieee.org/abstract/docum...

タグ:

posted at 21:54:30

黒木玄 Gen Kuroki @genkuroki

17年10月9日

@UFOprofessor たぶん、自分で書くしかないと思います。

タグ:

posted at 22:22:20

UFO教授 (藤木文彦 Fumihiko @UFOprofessor

17年10月9日

@genkuroki R入門の本が余りにひどかったので、某社に、
書きましょうかと提案しているところです。

タグ:

posted at 22:31:27

黒木玄 Gen Kuroki @genkuroki

17年10月9日

@UFOprofessor 私も苦労させられました。
まじめに考えだすと盛りだくさんに成りすぎて死ぬ。

タグ:

posted at 22:36:08

積分定数 @sekibunnteisuu

17年10月9日

置き場所が変わったみたいなので、URLを更新する。

 大学の数学を苦痛と捉える学生の実態把握と、その原因の探求
~小・中学校数学専攻 4 回生を対象としたアンケート調査を通して~
satsuki.ex.osaka-kyoiku.ac.jp/~j169302/miyaz...

タグ:

posted at 23:20:48

@musyokudon

17年10月9日

Bayesian HMM、Infinite HMM、無限木構造HMMによる教師なし品詞タグ推定の実装をすべて書き直し誤りを修正しました。iTHMMは実験中ですが、深さを固定した時にIHMMと同様の結果になるのでバグはなさそう。
github.com/musyoku/unsupe...

タグ:

posted at 23:28:58

@genkurokiホーム
スポンサーリンク
▲ページの先頭に戻る
ツイート  タグ  ユーザー

User

» More...

Tag

» More...

Recent

Archive

» More...

タグの編集

掛算 統計 超算数 Julia言語 数楽 JuliaLang 十分 と教 モルグリコ 掛け算

※タグはスペースで区切ってください

送信中

送信に失敗しました

タグを編集しました