タグ

GAに関するcartman0のブックマーク (6)

  • あのGoogleアナリティクス実践本が全文無料公開!インターネット最高 | DevelopersIO

    世の中よくないこともいろいろあるけれど、いい時代だと思わされるときもあります。例えばこういうニュースが舞い込んだときなんかには!ということでインプレスが運営するWebサイト「できるネット」が太っ腹企画を展開。Webコンテンツを触る(直感的&直情的な)人ならば誰しもが持ってることでおなじみの一冊、木田和廣著「できる 逆引きGoogleアナリティクス」が全文無料公開されています。多大な感謝かよ〜。 『できる逆引き Googleアナリティクス Web解析の現場で使える実践ワザ』全文公開の記事一覧(目次)- あの定番書がすべて読める! | できるネット 「逆引き」は必携Googleアナリティクスのひとつ 星の数ほどあるWebマーケティングツール郡の中でも夏の大三角形レベルでエッセンシャルなアクセス解析ツールのGoogleアナリティクス(以下、GA)。ある程度直感的に使えはしますが、幅広い機能性が

    あのGoogleアナリティクス実践本が全文無料公開!インターネット最高 | DevelopersIO
    cartman0
    cartman0 2019/06/21
  • 遺伝的アルゴリズム - Pythonと機械学習

    目次 目次 はじめに 遺伝的アルゴリズム 用語説明 ステップ1(初期世代の作成) ステップ2 (選択) ステップ3 (交叉) ステップ4 (突然変異) Pythonで実装 実行結果 はじめに 機械学習では重みの最適化に勾配降下法が一般的に採用されているようですが、なぜだろう?と前から疑問に思っていました。 確かに勾配降下法はコスト関数の勾配方向に向かって重みを更新するだけなので、非常に簡単に実装できるのですが、学習率をうまく調整しないと発散したり、逆に学習が中々進まなかったりという問題があります。 極値解にも落ち入り易く、またコスト関数が複雑すぎて勾配が計算できない場合には使えません。 あくまで今の私にとってですが、勾配降下法はあまりいい印象が無いです。 そこで遺伝的アルゴリズムを使って重みを最適化したらどうかな?というのが今回の趣旨です。 遺伝的アルゴリズム 昔仕事で遺伝的アルゴリズム使

  • 遺伝的アルゴリズム

    遺伝的アルゴリズム GA 進化的アルゴリズム EA 進化的アルゴリズム 進化的アルゴリズム(evolutionary algorithm,EAと略記される)は進化的計算 の一分野であり,複雑な問題,解の探索空間が広大である問題, NP-hard な問題の最適解の近似解を求めるための アルゴリズムです。 個体群ベースのメタヒューリスティックな最適化アルゴリズムです。 生殖,突然変異,遺伝子組み換え,自然淘汰,適者生存,などという概念が用いられ, これが生物進化に着想を得た操作であることから,進化論的計算などと呼ばれています。 最適化問題の解の候補群が生物の個体群の役割を果たし, コスト関数によってどの解が生き残るかを決定し, 生き残った個体群の中で交配を繰返します。その過程で,突然変異を導入します。 これによってより良い個体が生き残るという進化に似た過程が起こります。 この操作を繰り返すこと

  • 1.5. Scipy: 高水準の科学技術計算 — Scipy lecture notes

    1.5. Scipy: 高水準の科学技術計算¶ 著者: Adrien Chauve, Andre Espaze, Emmanuelle Gouillart, Gaël Varoquaux, Ralf Gommers Scipy scipy パッケージは科学技術計算での共通の問題のための多様なツールボックスがあります。サブモジュール毎に応用範囲が異なっています。応用範囲は例えば、補完、積分、最適化、画像処理、統計、特殊関数等。 scipy は GSL (GNU Scientific Library for C and C++) や Matlab のツールボックスのような他の標準的な科学技術計算ライブラリと比較されます。 scipy は Python での科学技術計算ルーチンの中核となるパッケージです; これは numpy の配列を効率良く扱っているということで、numpy と scipy は

    1.5. Scipy: 高水準の科学技術計算 — Scipy lecture notes
  • ランサーズで施策検討する際に利用している企画書フォーマット - No Web Service No Life

    私が勤務しているランサーズでは、施策検討の際に、ディレクター陣で共通のフォーマットを利用して企画ドキュメントを作成しています。 最近、どうやって施策検討しているのか聞かれることが増えてきたので、フォーマットをご紹介させていただきます。 ちなみにドキュメントはコンフルエンスにまとめています。 なぜ企画フォーマットを用意するのか 誰が書いても一定の品質を保てるように 施策を検討する際には、押さえるべきポイントがあり、それらを漏れなく検討することが重要です。 フォーマットを用意して、各項目を埋めてもらうことで、抜け漏れを防ぐことができるようになります。 また、入社直後のディレクターでも、フォーマットに沿って書くことで、最低限のレベルを担保することができますし、学習しやすいという効果があります。 レビュアの負荷軽減 毎回違うフォーマットだと、レビューする側に理解の負荷が発生します。 フォーマットを

    ランサーズで施策検討する際に利用している企画書フォーマット - No Web Service No Life
  • Pythonと遺伝アルゴリズムを使って巡回セールスマン問題を解く : 機械学習など

    2014年10月30日22:43 Pythonと遺伝アルゴリズムを使って巡回セールスマン問題を解く カテゴリ komq Comment(0) Pythonを勉強中です。Pythonの勉強の一環としてこの問題に取り組ました 。 Pythonの勉強を始めたばかりなので コードの書き方が甘いかもしれません。 解きたい都市座標をまとめたpoint_table.txtを作成し、それをプログラムが読み込みます。 実行すると1世代ごとの最良解がアニメーションで表示されるようにしました。ぜひ実行してみてください。 バージョンは2.x対応です。 ただちょっと20都市になってくると局所最適化に陥ることが多いです。。まだまだ改良の余地はあると思います。おおまかなアルゴリズムは以下のようになってます。 1.p_pathリストを用意。初期解をP_SIZE個作っていれる。2.q_pathリストを用意。p_pathリス

    Pythonと遺伝アルゴリズムを使って巡回セールスマン問題を解く : 機械学習など
  • 1