記事一覧
【Midjourney】初心者が中級者になるための便利小ワザ6選
Midjourneyが楽しすぎて、一番安いプランを使い切り、上位プランを購入しました。いろいろなプロンプトを試すのが楽しいし、「良い!」と思える画像が出ると嬉しくなりますね。射倖心。気づけば1000枚生成していたので、よく使う小技を自分の知識の整理のためにまとめます。
「一部分」だけ変えたい初歩的な技ですが、顔だけちょっと変えたい!とか、ここだけ違うんだよなーという場合は、「Vary Regio
Midjourneyで私がよく使うパラメータ8選+作例まとめ
はじめにパラメータとは
Midjourneyのパラメータとは、絵を生成する時の「設定」のようなものです。例えば、画像の縦横比、テイスト、生成の速度など、様々な指定ができます。
パラメータを変えることで、同じプロンプトでも生成される画像が大きく変わります。また、上手に設定すると、自分のイメージに近い絵にしやすくなります。
参考:Midjourney公式のパラメータリスト
パラメータの使い方
Pythonでデータ分析③: Pandasの「サマリー」と「マップ」
1. データのサマリー(Summary)Pandasでは、データフレームやシリーズから統計的なサマリー(要約)を取得するための多くの関数を提供しています。以下に一例を挙げます。
describe()関数: 数値型の列について、カウント、平均、標準偏差、最小値、最大値、四分位数などの統計量を返します。
df.describe()
value_counts()関数: ユニークな要素の数をカウント
Pythonでデータ分析②: Pandasのインデクシング・選択・割り当て
1. インデクシング (Indexing)Indexingとは、特定のデータを素早く参照や操作するための手法を指します。Pandasでは、3つの主要なメソッドで、行と列の両方に対してインデクシングを使用できます。
① []:列名または列名のリストを使用して列にアクセス
df['column_name'] # 単一列の選択df[['col_name1', 'col_name2']] #
Pythonでデータ分析①: Pandasの基本的な使い方とデータ操作
pandasとは、python用データ分析ライブラリです。"Panel Data"(パネルデータ)から由来していて、特に数値表や時間系列データの操作に向いています。以下のコードでPandasをインポートすることができます。
import pandas as pd
データの作成pandasにはDataFrameとSeriesという2つのコアオブジェクトがあります。
① DataFrame(デー
標本誤差と非標本誤差
1. 標本誤差:母集団の一部しか抽出しないことで生じる誤差。一部のデータ(標本)を選び、全体(母集団)を推定する際、生じる誤差を標本誤差と呼ぶ。
例えば、製品の認知度の調査で、標本と母集団で一致しない場合。
2. 非標本誤差:標本抽出の過程「以外」から生じる誤差すべて。データの測定ミス、調査設計の不適切さ、回答者の誤解、未回答、データ入力の間違いなど。
インターネット調査によってインターネッ
フィッシャーの3原則 - 無作為化・反復・局所管理
統計的な実験設計の基礎をなす、サー・ロナルド・フィッシャーによって提唱された3つの原則です。
1.無作為化(ランダム化)実験の順序や場所などが複数ある場合に、対象群をランダムに割り振ること。系統誤差(偏り、バイアス)を偶然誤差に取り込む。
例:新薬のテストをする際、被験者をランダムに薬のグループと偽薬のグループに分ける。(年齢や健康状態などの因子が結果に影響を与えるのを防ぐ)
2.反復同じ試