記事一覧
Python：会議時間をCrontabに設定し、自動Zoom出席する
事前にスケジュールがわかっているズーム会議の時間設定をcrontabに渡し、会議時間にZoomが立ち上がる設定コードをPythonで実装する。自動でZoom会議に入出するコードは、前記事のコードを使う。
crontabの起動には、subprocessを使い、pyautoguiで時間設定とコマンドを書き込む手順となる。
初めに、Meeting IDと会議時間、会議日程、Passcodeが必要な場合
CrontabでPyAutoGui: MacOS
会議時間にアプリが自動で立ち上がりそのまま入室するには、前記事で作成したSeleniumとPyAutoGuitを使ったコードを、crontabかpythonのscheduleに組ませておくことで可能になる。
ただし、MacOSではPayAutoGuiをcrontabで使用するには、以下の作業が必要となる。
PATH設定
crontabの実行環境はターミナルとは別環境であるから、PayAutoG
Python:自動でZoomに参加する
準備OS:
MacOS Sonoma 14.2.1
ENV:
python 3.12.5
opencv 4.10.0
opencv-python 4.10.0
selenium 4.24.0
PyAutoGui 0.9.54
chromedriver_autoinstaller 0.6.4
Pillow 10.4.0
カーネルに入っていないモジュールをインストールしてから、インポートする。
統計的推定：最尤推定 ロジスティック回帰
２クラス分類に適用されることの多いロジスティック回帰は、シグモイド関数$${\displaystyle{f(x)=\frac{1}{1-\exp(-x)}}}$$によって、出力が$${(0,1)}$$内の確率値に変換される。この関数による出力値$${\hat{y}}$$はデータ$${x}$$が与えられた時に$${y=1}$$となるクラスになる確率$${p(y=1|x)}$$、または、$${y=0}
もっとみる統計的推定：最尤推定 Maximum likelihood estimation ベルヌーイ分布、マルチヌーイ分布、１変数正規分布に従う標本の場合
標本$${\mathcal{D}({\bm x})}$$が、パラメータ$${\theta}$$で記述される確率密度関数$${g({\bm x};\theta)}$$から発生する尤度関数$${L(\theta)}$$を最大にする$${\hat{\theta}_{ML}}$$を決める。
尤度関数は
$${L({\theta})=\displaystyle{\Pi^n_{i=1}g(x_i;\theta
確率変数の和と期待値の不等式：ベルンシュタインの不等式
ベルンシュタインの不等式
それぞれが分散$${x_i=\sigma_i^2}$$を持つ互いに独立な$${n}$$個の確率変数$${x_1,\cdots,x_n }$$は、任意の二つの非負の実数$${\epsilon >0,\ b>0}$$に対し、$${X=\sum x_i}$$は
$${Pr(|X| \geq S) \leq \displaystyle{2\exp\Big(-\frac{S^2}
確率変数の和と平均の不等式：ヘフティングの不等式
ヘフティングの公式
期待値がゼロ$${E[x]=0}$$で、$${a < x < b}$$の確率変数の$${x}$$を扱う。$${\theta (0<\theta < 1)}$$を用いて$${[a,b]}$$間の任意の点$${\theta a + (1-\theta)b}$$が定義でき、これを$${x}$$とおき、下の凸関数$${h(tx)=e^{tx}, (t >0)}$$を適用する。
$${
確率変数の不等式：独立な確率変数の和と平均：チェビチェフ不等式とチェルノフ不等式
チェビチェフ不等式
ある確率変数$${x_i}$$は、ある非負の実数$${\epsilon >0}$$に対して、
Markov不等式$${Pr(|x_i| \geq \epsilon) \leq \frac{E[|x_i|]}{\epsilon}}$$を満たす。
これを互いに独立な確率変数$${x_i, i=1, \cdots, n}$$の和$${X=\sum x_i}$$と平均の$${\bar
確率変数の期待値の不等式：ミンコフスキーの不等式、カントロビッチの不等式
ミンコフスキーの不等式二つの確率変数$${x,y}$$において、任意の実数$${p, p>1}$$とともに、
$${\displaystyle{E[|x+y|^p]^{\frac{1}{p}} \leq E[x^p]^{\frac{1}{p}} + E[y^p]^{\frac{1}{p}} }}$$
が成り立ち、これをミンコフスキーの不等式と呼ぶ。
証明
$${|x+y| \leq |x|+|
確率変数の不等式:Chebyshevの不等式
チェビチェフの不等式
期待値を$${\mu}$$、分散を$${\sigma^2}$$の確率変数を$${x}$$とする。
Markov不等式$${\displaystyle{Pr(|x|\geq a) \leq \frac{E[|x|]}{a}, a>0}}$$において、$${x=(x-\mu)^2, a=(\sigma \epsilon)^2}$$を適用すれば、
$${\displaystyle
確率変数の不等式:マルコフ不等式とチェルノフ不等式
確率変数$${x}$$に対し、任意の正の実数$${a,a>0}$$を用いて、
$${\displaystyle{Pr(|x|\geq a) \leq \frac{E[|x|]}{a}}}$$
が成立し、これをマルコフの不等式と呼ぶ。
証明
$${g(x)=\left\{\begin{array}{ll}1 & |x|\geq a \\0 & x < a\end{array}\right.}$$