e-manualには拡張子xzファイルをダウンロードしているので、通常gnomeでイメージを焼くみたいだが、今回はSDカードリーダがmacでしかなかったのでmacで行った。 Mac で xz を使用する方法 - Qiita 下記のコマンドでまずファイルの解答を行う。 unxz ubuntu-1…

入るときはmysql -u ユーザー名 -p ctrl+D でぬける 別のサーバーからアクセスするときの確認項目 https://blog.s-giken.net/304.html csvのインポート方法blog.chatlune.jp

情報量はlog(1/P(E))=-logP(E) 事象Eが起こるときの確率値がP(E) 確率値が小さいほど情報量が大きくなる エントロピー（平均情報量）は情報量の期待値をとった値である https://ja.wikipedia.org/wiki/%E6%83%85%E5%A0%B1%E9%87%8F 情報利得=分割前の平均情…

情報量はlog(1/P(E))=-logP(E) 事象Eが起こるときの確率値がP(E) 確率値が小さいほど情報量が大きくなる エントロピー（平均情報量）は情報量の期待値をとった値である https://ja.wikipedia.org/wiki/%E6%83%85%E5%A0%B1%E9%87%8F 情報利得=分割前の平均情…

Lambdaはamazon linux で動くのでそれに合わせた環境（python3.6で動かすならpyenv等をインストールしてpython環境）を作成、そこにpip install -t でlibraryをインストール https://qiita.com/thimi0412/items/4c725ec2b26aef59e5bd

いったん中継地点に処理内容をためておいて、受信側の通信がいいとき（busyでなくなったとき）に通信を実行する仕組み →Amazon SQSはポーリング処理を実施するサービス

ベルヌーイ分布は一回の試行、二項分布はn回の試行

バックアップ

GLMでは説明変数と目的変数の間に線形な相関があることが前提としていた。 しかしGAMは説明変数と目的変数が線形な相関を持たない場合にでも対応できるように、スプライン関数等を用いて、説明変数を非線形に変換する https://www.slideshare.net/DeepLearni…

https://medium.com/@babydegu/%E6%99%82%E7%B3%BB%E5%88%97%E4%BA%88%E6%B8%AC%E3%83%84%E3%83%BC%E3%83%ABfacebook-prophet%E3%82%92%E4%BD%BF%E3%81%84python%E3%81%A7%E6%A7%98%E3%80%85%E3%81%AA%E3%83%87%E3%83%BC%E3%82%BF%E3%81%8B%E3%82%89%E4%BA%8…

http://testblog234wfhb.blogspot.com/2014/07/generalized-additive-model.html

一般加法モデル それぞれの変数に平滑化スプラインをし、重回帰のように足して予測 https://rmizutaa.hatenablog.com/entry/2019/03/23/201720 交互作用項を含めた一般加法モデル https://qiita.com/saltcooky/items/d5a1a62756d10273b008

データの補完方法 https://qiita.com/ground0state/items/5fa0743837f1bcb374ca 3次スプライン補間：離散点間を３次の多項式で補間 cubic （３次の、立方体の） https://qiita.com/sci_Haru/items/059887598e4f21b4b636 ラグランジュ補間：与えられたN+1個の…

https://qiita.com/snuow/items/2504a6b2dc6cbc735e5a

一般化線形モデル 応答変数が正規分布以外の確率分布に従う場合にも使えるようにした線形モデル 〇 体重＝β_0+β_1*身長 × 服のサイズ＝β_0+β_1*身長 右辺は線形予測子と呼ばれる 服のサイズは離散値である テストの合否(1,0)=β_0+β_1*勉強時間 合格率は１～…

①近傍の個数を決定 ②アルゴリズム（ball_tree,kd_tree,brute等）データから近傍を決定する予測線を構築する(fit) https://saket.hatenadiary.org/entry/20130213/1360747549 ③ある値が来た時に予測を出力(predict)

[tex: 𝑹2 = \frac{\mbox{回帰変動の平方和}}{\mbox{全変動の平方和}} ]

ROC曲線は混同行列より得られる とし、横軸FPR 縦軸TPRとして描いた曲線 評価データセットのラベルのデータ数に偏りがある場合に使用される

点 (a，b) を通り，傾き m の直線の方程式の求め方 https://www.geisya.or.jp/~mwm48961/koukou/mobile/tyoku13_m.htm Newton法詳細例 http://dsl4.eee.u-ryukyu.ac.jp/DOCS/nlp/node5.html 共益勾配法 https://qiita.com/Dason08/items/27559e192a6a977dd5e5

https://qiita.com/sango/items/816136188387221f05b3 VirtualBoxのポートフォワーディングルールを指定してやることが必要 https://qiita.com/sango/items/1b57a9641499971ca806#_reference-9ae6982ac9592f15f424