2019年3月の記事一覧
時系列データのpandasでの処理方法
pandasやscikit-learnのビデオ講義でこんなものがある。
Udacityにパクられて怒っていたビデオがあって笑ったが、Jupyterでうちながらの解説はフランクで良い。（scikit-learnの解説ビデオをみていたら、R^2は0以上だと言っていた。プログラミングは上手そうだが、理論はわかっていないようなので、注意を要する。有償で教えていている日本の深層学習や統計のビデオも同様だが
TF-Agentsによる強化学習
TensorFlowがバージョンアップして強化学習用のライブラリ TF-Agentsが使えるようになったようだ。fastaiは強化深層学習はサポートしないそうなので、RLがしたいときにはこれを使えば良い。
ただプログラムはあまり綺麗ではなく、Pythonのバージョンも2のようだ。ChainerもRLに力を入れているようなので、比較して良い方を使うべきだろう。
SAC（Soft Actor Cr
クラスのpickle化
実際問題を解くときに，対象とするデータをクラスにすると便利だ．たとえば，点クラスというのはこんな感じに作っておく．
class Node(): def __init__(self, idx, name, address, lat, lng, x=None, y=None): self.name = name self.address = address
Google Map対ナビ
Googleが地図を変えるそうだ。巷の掲示板では、Googleと専用カーナビのどちらが良いルートを出してくれるか（ほとんどが実体験に基づいて）議論しているようなので、専門的に解説しよう。
カーナビは大きな道路を使うようにできている。出発地や到着地周りだと生活道路を通ることもあるが、一度離れると出来るだけ大きな通りを選ぶ。そのため一部の人たちは、カーナビは遠回りだという苦情を言っているようだが、こ
特徴量の重要度
scikit-learnのデフォルトで付いてくるランダム木の特徴量解析はあてにならないことが知られている。代わりになる手法として、特徴量を表す列をランダムな順に並べ替えて、評価値の差を見ることによる方法(permutation method)がある。自分で実装しても簡単だが、可視化付きでやってくれるパッケージがある。
https://github.com/parrt/random-forest-
