全39件 (39件中 1-39件目)
1
![]()
読みだすと、あっという間に読み終えてしまった。国家と平和について考えさせられる。三戒と謝りソングによって平和が保たれていると信じるツチガエルたちの国ナパージュ。その国がウシガエルたちに侵略されるという話。フィクションだし、著者の思想の影響もあるので、一概にはなんとも言えないが、読む人によっては日本の憲法改正への考え方にも影響があるかもしれない。結局、ゲーム理論の「しっぺ返し戦略」を実践するのがいいように思う。協力的な人、話し合いができる人ばかりならいいのだけれど、現実には問答無用の侵略者がいる。そういう輩には、実力行使しかないんだろうな。カエルの楽園 (新潮文庫) [ 百田 尚樹 ]にほんブログ村
2018年03月31日
コメント(0)

25日移動平均線からマイナス側への乖離率が大きいもので、PER
2018年03月30日
コメント(0)

25日移動平均線からマイナス側への乖離率が大きいもので、PER
2018年03月29日
コメント(0)

25日移動平均線からマイナス側への乖離率が大きいもので、PER
2018年03月28日
コメント(0)

25日移動平均線からマイナス側への乖離率が大きいもので、PER
2018年03月27日
コメント(0)

25日移動平均線からマイナス側への乖離率が大きいもので、PER
2018年03月26日
コメント(0)

事業報告、決算、監査報告、管理規約改正、長期修繕計画、管理委託契約、次期予算案、次期役員について決議した。民泊用途への使用を特区になっても禁止するとか、管理費や火災保険料金が値上がりするということだった。次期大規模修繕工事に向けて、修繕積立金も値上がりしそうだ。-----Business report, settlement of accounts, audit report, revision of management agreement, long-term repair plan, management consignment contract, next budget proposal a next officer are resolved.It was to prohibit the use for private residential use even if it became a special zone, or management expenses and fire insurance fee will rise.The repair and reserve cost is likely to rise for the next major repair work.にほんブログ村
2018年03月25日
コメント(0)
![]()
長いこと使っていた洗濯機にガタがきたので買い換えることになった。ネットでリサーチし、家電量販店に実物を見に行って、結局この洗濯機を買うことになった。在庫の関係から、納品は6日後になった。古い洗濯機のリサイクル料金が2484円で配送料が540円。結構かかるものだ。設置料金が1080円。いい買い物であることを願うばかりだ。-----As our washing machine long used have been out of order, we decided to buy new one. We searched web, went to check the real products and decided to purchase this one.The delivery date is 6 days later due to stock.The recycle cost is 2484 yen plus sending cost 540 yen. They are lot.The setting cost is 1080 yen.We hope the machine works well.東芝【TOSHIBA】洗濯6.0kg 全自動洗濯機 ZABOON AW-6D6-T(ブラウン)★【AW6D6T】
2018年03月25日
コメント(0)

小平でフットサルの練習。車で80分くらいかかった。近所のサッカー仲間とその知り合いとで15人集まり3チームでゲームを回した。暖かい日だった。-----I played futsal at Kodaira.It took about 80 minutes by car.There were 15 members including neighbour football friends and their acqaintances.It was warm day.にほんブログ村
2018年03月24日
コメント(0)

25日移動平均線からマイナス側への乖離率が大きいもので、PER
2018年03月23日
コメント(0)

25日移動平均線からマイナス側への乖離率が大きいもので、PER
2018年03月22日
コメント(0)

Pythonって環境構築が結構面倒なんだけれど、Google Colaboratoryにはnumpyやpandasなどの基本的なライブラリがすでにインストール済みで、ブラウザで以下にアクセスすれば、いきなりJupyter notebookを使える。https://colab.research.google.com/結構びっくり。TensorflowでGPUを使う方法にも対応しているようだ。ノートブックの共有やコメントも簡単にできるようだ。↓参考URLhttp://tadaken3.hatenablog.jp/entry/first-step-colabratoryhttp://karaage.hatenadiary.jp/entry/2018/03/21/073000にほんブログ村
2018年03月21日
コメント(0)

25日移動平均線からマイナス側への乖離率が大きいもので、PER
2018年03月20日
コメント(0)

25日移動平均線からマイナス側への乖離率が大きいもので、PER
2018年03月19日
コメント(0)

1年前に発売された四季報の各種業績の伸び率と株価伸び率の関係を確認した。業績伸び率=(2018予想/2017予想-1)*100 %株価伸び率(stretch)=2018年3月15日調整後終値/2017年3月15日調整後終値-1↓pariplot↓jointplot>>> df1.describe() 売上高の増減予想 営業利益の増減予想 経常利益の増減予想 純利益の増減予想 設備投資 \count 1309.000000 1309.000000 1309.000000 1309.000000 1309.000000 mean 0.047277 0.172857 0.257904 0.299836 0.353733 std 0.062761 1.414740 3.017237 4.441010 1.719173 min -0.177778 -5.000000 -9.000000 -13.000000 -0.993304 25% 0.019737 0.040000 0.038023 0.022727 -0.207293 50% 0.033654 0.076923 0.080460 0.062992 0.080432 75% 0.056911 0.150000 0.153846 0.142857 0.446809 max 0.777778 45.500000 99.000000 149.000000 41.333333 研究開発 営業CF 現金等 stretch count 1309.000000 1309.000000 1309.000000 1309.000000 mean 0.168373 1.012113 0.111655 0.271500 std 0.704410 12.064022 0.401355 0.487492 min -0.948718 -0.997804 -0.861505 -0.509317 25% -0.013699 -0.237908 -0.092324 -0.002423 50% 0.054614 0.089552 0.058197 0.162791 75% 0.156069 0.555556 0.227178 0.398413 max 8.666667 414.666667 4.971888 8.416928 全部のデータがそろったものを採用するとデータ数が1309と激減してしまう。この1年では、平均して株価が27%のびている。なんとなく、各種業績の伸び率が大きい銘柄は株価も伸びているように見える。にほんブログ村
2018年03月18日
コメント(0)

昨日の夜に続き新百合ヶ丘でフットサルの練習。同僚とその友達と子どもとで17人くらい集まり3チームでゲームを回した。中学生くらいになると、こっちは相手にならなくなるな。今日はボールを取られることが多く、反省。-----I played futsal at Shin-Yurigaoka following yesterday evening.There were about 17 members including colleagues and their sons and friends.Junior high kid overwhelmed us.I regret to lose ball often today.にほんブログ村
2018年03月18日
コメント(0)

八王子のFUNフットサルで練習。13人が集まり3チームでゲームを回した。珍しく4点とれた。ここのフットサルに参加するようになって3年経つ。-----I played futsal at fun futsal in Hachioji.13 people came and played with 3 teams.I got 4 goals since long time ago.It is three years since I joined here.にほんブログ村
2018年03月17日
コメント(0)
![]()
2017年実績から2018年予想への業績予想の伸び率を上位10社ずつランキングしました。伸び率=(2018予想/2017実績-1)*100 %〇売上高銘柄コード 名称 市場 業種 売上高の増減予想7776 セルシード JQG 精密機器 1312%1757 クレアホールディングス 東証二部 建設 537%8737 あかつき本社 東証二部 証券・先物 422%3900 クラウドワークス 東証マザ 情報通信 331%2901 石垣食品 JQS 食料品 290%4586 メドレックス 東証マザ 医薬品 254%8925 アルデプロ 東証二部 不動産 249%3779 ジェイ・エスコムホールディングス JQS 情報通信 237%2305 スタジオアリス 東証一部 サービス 177%3772 ウェルス・マネジメント 東証二部 情報通信 160%〇営業利益銘柄コード 名称 市場 業種 営業利益の増減予想9927 ワットマン JQS 小売 14900%3807 フィスコ JQG 情報通信 13471%9966 藤久 東証一部 小売 13400%3825 リミックスポイント 東証二部 情報通信 8213%3041 ビューティ花壇 東証二部 卸売 6900%7903 名古屋木材 名証二部 卸売 2900%2872 セイヒョー 東証二部 食料品 1900%7211 三菱自動車工業 東証一部 輸送用機器 1756%3441 山王 JQS 金属製品 1650%5343 ニッコー 名証二部 ガラス土石 1264%〇経常利益銘柄コード 名称 市場 業種 経常利益の増減予想3825 リミックスポイント 東証二部 情報通信 52067%1844 大盛工業 東証二部 建設 28900%5271 トーヨーアサノ 東証二部 ガラス土石 3050%9101 日本郵船 東証一部 海運 2499%9854 愛眼 東証一部 小売 2445%9479 インプレスホールディングス 東証一部 情報通信 2043%8903 サンウッド JQS 不動産 1900%9927 ワットマン JQS 小売 1622%7709 クボテック 東証一部 精密機器 1567%3856 Abalance 東証マザ 電気機器 1421%〇純利益銘柄コード 名称 市場 業種 純利益の増減予想7769 リズム時計工業 東証一部 精密機器 74900%8787 UCS JQS その他金融 13321%3393 スターティア 東証一部 卸売 8500%6249 ゲームカード・ジョイコホールディングス JQS 機械 8048%8925 アルデプロ 東証二部 不動産 7134%1971 中央ビルト工業 東証二部 金属製品 6400%3501 住江織物 東証一部 繊維製品 5669%6096 レアジョブ 東証マザ サービス 4400%2488 日本サード・パーティ JQS サービス 3567%3928 マイネット 東証一部 情報通信 3567%〇予想配当利回り銘柄コード 名称 市場 業種 予想配当利回3528 プロスペクト 東証二部 不動産 6.06%9904 ベリテ 東証二部 小売 5.69%2408 KG情報 JQS サービス 4.97%2914 日本たばこ産業 東証一部 食料品 4.89%7201 日産自動車 東証一部 輸送用機器 4.69%8622 水戸証券 東証一部 証券・先物 4.64%2411 ゲンダイエージェンシー JQS 情報通信 4.46%4714 リソー教育 東証一部 サービス 4.41%8996 ハウスフリーダム 福証QB 不動産 4.40%2428 ウェルネット 東証一部 サービス 4.27%こういうところを買って、持ち続けるのもいいかもしれません。NISA口座には高配当の株を持ち続けるのがお得だと思います。〇設備投資銘柄コード 名称 市場 業種 設備投資4955 アグロカネショウ 東証一部 化学 5064%3045 カワサキ 東証二部 卸売 4248%3712 情報企画 東証二部 情報通信 3145%3723 日本ファルコム 東証マザ 情報通信 3145%3726 フォーシーズホールディングス 東証二部 小売 3145%3719 ジェクシード JQS 情報通信 3145%3750 セブンシーズホールディングス 東証二部 情報通信 3145%9040 大宝運輸 名証二部 陸運 2678%6356 日本ギア工業 東証二部 機械 1728%4299 ハイマックス 東証一部 情報通信 1077%〇研究開発銘柄コード 名称 市場 業種 研究開発3646 駅探 東証マザ 情報通信 3350%3979 うるる 東証マザ 情報通信 2900%3970 イノベーション 東証マザ 情報通信 2900%3969 エイトレッド 東証マザ 情報通信 2900%3977 フュージョン 札証アンビ 情報通信 2900%3967 エルテス 東証マザ 情報通信 2900%5280 ヨシコン JQS 不動産 1011%2782 セリア JQS 小売 650%2773 ミューチュアル JQS 機械 650%6131 浜井産業 東証二部 機械 614%設備投資と研究開発費は実績と予想の比較です。これらが伸びているということは、将来の事業拡大を見込んでいるのかもしれません。〇営業キャッシュフロー銘柄コード 名称 市場 業種 営業CF6466 東亜バルブエンジニアリング 東証二部 機械 45067%9810 日鉄住金物産 東証一部 卸売 22100%9633 東京テアトル 東証一部 サービス 19840%6556 ウェルビー 東証マザ サービス 19450%3677 システム情報 JQS 情報通信 15000%3374 内外テック JQS 卸売 12250%6558 クックビズ 東証マザ サービス 7940%6560 エル・ティー・エス 東証マザ サービス 7940%7465 マックスバリュ北海道 JQS 小売 6619%8699 澤田ホールディングス JQS 証券・先物 6143%〇現金等銘柄コード 名称 市場 業種 現金等7612 Nuts JQS 卸売 10013%6414 川重冷熱工業 JQS 機械 1863%3993 PKSHA_Technology 東証マザ 情報通信 1783%2144 やまねメディカル JQG サービス 1237%3264 アスコット JQS 不動産 1053%6558 クックビズ 東証マザ サービス 680%9364 上組 東証一部 倉庫・運輸 663%9418 U-NEXT 東証一部 情報通信 584%1605 国際石油開発帝石 東証一部 鉱業 489%6636 ソルガム・ジャパン・ホールディングス JQS 電気機器 436%営業キャッシュフローと現金等は昨年と今年の比較になります。(まちがえやすい。。)これらが伸びていると会社が儲かっていることが推測されます。参考になれば、幸いです。にほんブログ村
2018年03月17日
コメント(0)

25日移動平均線からマイナス側への乖離率が大きいもので、PER
2018年03月16日
コメント(0)

25日移動平均線からマイナス側への乖離率が大きいもので、PER
2018年03月15日
コメント(0)

25日移動平均線からマイナス側への乖離率が大きいもので、PER
2018年03月14日
コメント(0)

25日移動平均線からマイナス側への乖離率が大きいもので、PER
2018年03月13日
コメント(0)

25日移動平均線からマイナス側への乖離率が大きいもので、PER
2018年03月12日
コメント(0)

近くの中学校のグラウンドでサッカーの練習。18人集まり、9対9でゲームをした。もう少し新しい技を試したかった。-----I participated a football practice in a neighbour junior high school ground.18 members got together and 9 on 9 games were played.I wanted to try new skils more.にほんブログ村
2018年03月11日
コメント(0)

業種ごとの合計で経常利益率=経常利益/売上高をランキングしてみた。>>> df4=df.groupby("業種")[["売上高1","経常利益1"]].sum()>>> df4["経常利益率"]=df4["経常利益1"]/df4["売上高1"]>>> df4.columns=["売上高","経常利益","経常利益率"]>>> df4.sort_values(by="経常利益率",ascending=False) 売上高 経常利益 経常利益率業種 鉱業 1329488.0 336637.0 0.253208銀行 20274508.0 4327959.0 0.213468証券・先物 1447583.0 295909.0 0.204416保険 41572.0 6193.0 0.148970医薬品 10370101.0 1450211.0 0.139845情報通信 46495975.0 5814998.0 0.125065不動産 12086603.0 1421351.0 0.117597その他金融 7777483.0 853853.0 0.109785陸運 22955740.0 2271889.0 0.098968空運 3164833.0 311052.0 0.098284ゴム製品 6600168.0 628991.0 0.095299化学 36429570.0 3452198.0 0.094764サービス 20236774.0 1731432.0 0.085559ガラス土石 6409463.0 536228.0 0.083662精密機器 4482964.0 374525.0 0.083544機械 28202870.0 2204485.0 0.078165食料品 26877347.0 2048227.0 0.076206輸送用機器 95367597.0 6735536.0 0.070627建設 32858508.0 2309118.0 0.070275繊維製品 5503335.0 348773.0 0.063375電気機器 79609332.0 4867802.0 0.061146金属製品 7495552.0 447706.0 0.059730その他製品 9196774.0 529152.0 0.057537非鉄金属 9748441.0 490269.0 0.050292電気・ガス 22699199.0 1087582.0 0.047913小売 58912191.0 2689098.0 0.045646倉庫・運輸 3071730.0 133389.0 0.043425石油・石炭 16385134.0 683472.0 0.041713卸売 86098785.0 3372691.0 0.039172水産・農林 1977125.0 75876.0 0.038377パルプ・紙 4643530.0 176469.0 0.038003鉄鋼 14010460.0 503331.0 0.035925海運 4852424.0 -8469.0 -0.001745>>> 鉱業って儲かるんだな。ちょっと意外だけれど。2015年に日経225の原価率を調べたときも、鉱業は原価率が低かった。https://plaza.rakuten.co.jp/takupin/diary/201510180000/銀行、証券・先物、保険はやっぱりな感じ。製造業はどうしたって原価がかかるので利益率は低くなる。海運って利益出ないんだな。にほんブログ村
2018年03月11日
コメント(0)

財務情報と業績をpairplotしてみた。>>> df1.describe() 総資産 自己資本 資本金 利益剰余金 有利子負債 \count 3.603000e+03 3.603000e+03 3.603000e+03 3.603000e+03 3.603000e+03 mean 5.481022e+05 1.165101e+05 1.487846e+04 8.084046e+04 7.598788e+04 std 7.261833e+06 6.007612e+05 8.139569e+04 4.677820e+05 5.583769e+05 min 2.510000e+02 -6.197670e+05 0.000000e+00 -6.301810e+05 0.000000e+00 25% 9.703000e+03 4.490000e+03 9.190000e+02 2.022500e+03 3.045000e+02 50% 3.001700e+04 1.486000e+04 2.388000e+03 9.070000e+03 2.697000e+03 75% 1.054585e+05 5.293900e+04 7.941000e+03 3.621850e+04 1.385250e+04 max 3.054688e+08 1.825349e+07 2.338743e+06 1.833872e+07 1.989602e+07 売上高1 営業利益1 経常利益1 純利益1 count 3.603000e+03 3.603000e+03 3.603000e+03 3.603000e+03 mean 1.949668e+05 1.396101e+04 1.430538e+04 9.214658e+03 std 8.367651e+05 7.144533e+04 7.409846e+04 5.945222e+04 min 3.000000e+01 -7.016600e+04 -6.954300e+04 -9.656630e+05 25% 8.987500e+03 3.965000e+02 4.010000e+02 2.470000e+02 50% 2.881700e+04 1.462000e+03 1.516000e+03 9.490000e+02 75% 1.003565e+05 5.679500e+03 5.833000e+03 3.795500e+03 max 2.759719e+07 1.994372e+06 2.193825e+06 1.831109e+06 日経225でもやってみた。ヒストグラムも描いてみた。>>> df3.describe() 総資産 自己資本 資本金 利益剰余金 有利子負債 \count 2.110000e+02 2.110000e+02 2.110000e+02 2.110000e+02 2.110000e+02 mean 6.603676e+06 1.228968e+06 1.490268e+05 8.666896e+05 8.596676e+05 std 2.913220e+07 2.153228e+06 3.008590e+05 1.721775e+06 2.055637e+06 min 7.052900e+04 3.356400e+04 1.000000e+02 -1.235470e+05 0.000000e+00 25% 6.972200e+05 2.777540e+05 3.725850e+04 1.664495e+05 9.648450e+04 50% 1.396110e+06 5.740730e+05 7.081600e+04 3.466020e+05 2.691660e+05 75% 3.198356e+06 1.179098e+06 1.367140e+05 8.132220e+05 7.078180e+05 max 3.054688e+08 1.825349e+07 2.338743e+06 1.833872e+07 1.989602e+07 売上高1 営業利益1 経常利益1 純利益1 count 2.110000e+02 2.110000e+02 2.110000e+02 2.110000e+02 mean 1.887338e+06 1.499188e+05 1.541098e+05 1.033629e+05 std 2.844954e+06 2.527258e+05 2.627741e+05 2.111257e+05 min 2.772700e+04 -4.603700e+04 -5.238800e+04 -2.657440e+05 25% 4.423555e+05 3.152300e+04 3.142600e+04 1.809900e+04 50% 9.491700e+05 6.534100e+04 6.363100e+04 4.556000e+04 75% 1.894812e+06 1.543045e+05 1.665505e+05 1.044620e+05 max 2.759719e+07 1.994372e+06 2.193825e+06 1.831109e+06 各指標とも正の相関があることがわかる。当たり前だけど。日経225は全市場と比べると、数字がひと桁大きい。にほんブログ村
2018年03月10日
コメント(0)

25日移動平均線からマイナス側への乖離率が大きいもので、PER
2018年03月09日
コメント(0)

version2018.1の新例題、The linear elastodynamics solution of an iron plate impact problemを試してみた。http://sfepy.org/doc-devel/examples/linear_elasticity/elastodynamic.html入力ファイルを見ると単位系はSI単位系で、左端に1m/sの初速度を与えている。↓応力波が伝わる様子[にほんブログ村
2018年03月08日
コメント(0)

25日移動平均線からマイナス側への乖離率が大きいもので、PER
2018年03月08日
コメント(0)

リリースされたばかりのせいか、以下のコマンドでは2018.1を認識しない。$ conda install -c conda-forge sfepyFetching package metadata .............Solving package specifications: .Package plan for installation in environment /home/pyontaku14/anaconda3:The following NEW packages will be INSTALLED: sfepy: 2017.4.1-py36_0 conda-forge仕方ないのでgit cloneでダウンロードしてsetup.pyからビルドした。$ git clone git://github.com/sfepy/sfepy.gitCloning into 'sfepy'...remote: Counting objects: 38157, done.remote: Compressing objects: 100% (57/57), done.remote: Total 38157 (delta 45), reused 68 (delta 40), pack-reused 38060Receiving objects: 100% (38157/38157), 20.37 MiB | 2.40 MiB/s, done.Resolving deltas: 100% (29190/29190), done.$ python setup.py build_ext --inplaceテストはOKだった。$ python run_tests.py 101 test file(s) executed in 621.41 s, 0 failure(s) of 175 test(s)にほんブログ村
2018年03月07日
コメント(0)

25日移動平均線からマイナス側への乖離率が大きいもので、PER
2018年03月07日
コメント(0)

Version 2018.1がリリースされた。http://sfepy.org/doc-devel/release_notes.html#id1主な変更は以下。・時間ステップソルバーの更新・NewmarkとBatheの弾性動的ソルバー・MUMPS線形ソルバーへのインターフェース・新しい例題:鉄板の衝撃解析(弾性動的解析)、非圧縮Mooney-Rivlin材料モデル (超弾性)スクリプト- major update of time-stepping solvers and solver handling- Newmark and Bathe elastodynamics solvers- interface to MUMPS linear solver- new examples: - iron plate impact problem (elastodynamics) - incompressible Mooney-Rivlin material model (hyperelasticity) as a scriptインストールに手こずっている。。にほんブログ村
2018年03月06日
コメント(0)

25日移動平均線からマイナス側への乖離率が大きいもので、PER
2018年03月06日
コメント(0)
![]()
第0章 機械学習のためのデータ処理とは第1章 クローリングとスクレイピング第2章 高度なスクレイピング第3章 データソースと書式・整形第4章 機械学習第5章 深層学習に挑戦しよう第6章 テキスト解析とチャットボットの作成第7章 深層学習を実践してみようAppendix 作業の準備と環境構築↓ぼくにとってのポイント◯機械学習のためのデータ処理・Webからデータをダウンロード・ダウンロードしたデータから必要はデータを抽出・抽出したデータを目的に応じたフォーマットで保存・機械学習◯クローリングとスクレイピング・urllibでデータダウンロードが可能・HTMLの解析→BeautifulSoupが便利・DOMの調査、CSSセレクタ→Webブラウザの開発者ツール・リンク先をまるごとダウンロード→相対パスを絶対パスに変換など◯高度なスクレイピング・HTTP通信はステートレス・セッションを利用するとステートフルであるように振る舞える・requestsパッケージ・スクレイピングにはブラウザを動かさないといけない場合も多い→Selenium, PhantomJS・サイトの構造を把握することが重要・キーとなる要素やCSSスタイルを調べることで、機械的なスクレイピングが可能なこともある・Web APIの利用・cronで定期的な実行◯データソースと書式・整形・主な書式→XML, JSON, YAML, CSV・データベース→SQLite, MySQL, MarinaDB, TinyDB・データベース→同時アクセスに強く同時編集など不整合も起きにくい◯機械学習・機械学習→たくさんのデータを学習してパターンを見つける作業・分類、推測、推薦が可能・教師あり学習では各データ毎にデータと正解ラベルを指定する・訓練データとテストデータの分類や、正解率の計算など、便利なメソッドが用意されている・機械学習の学習結果をファイルに保存すれば、Webアプリなどで利用できる・SVM→マージン最大化・データを数値化するとき、分類変数か連続変数か確認する・クロスバリデーションによりモデルの妥当性確認・グリッドサーチ→より良いパラメータを自動で探せる◯深層学習・TensorBoardで可視化できる・深層学習で精度向上が可能・Keras→tensorflowやtheanoをscikit-learnと同様に記述できる・日本語の形態素解析→Mecab, Janome・Word2Vecで文章をベクトル化・ベイズの定理で迷惑メール判定などが可能・MLP(多層パーセプトロン)でテキスト分類が可能・文章の類似度→レーベンシュタイン距離、n-gram・自動で文章生成→マルコフ連鎖、LSTM・類似画像検索→Average Hash・Average Hash→画像をリサイズして白黒の2値化・CNNで牛丼の画像を高精度で判定可能・機械学習はデータを集めて整形するのが大切・画像を回転・反転させることで不足しがちな入力データを補強可能・OpenCVで顔認識-----この本はずいぶん前に買ったんだけれど、なかなか手を付けられていなかった。目次をみるとわかるように、データ収集→データ整形→機械学習→深層学習とデータ解析に必要な技術についてサンプルコード付きで解説されている。さらに環境構築についても書かれている。サンプルコードを動かすことで理解が深まる。Pythonによるスクレイピング&機械学習開発テクニック BeautifulSoup、scikit-lear [ クジラ飛行机 ]
2018年03月05日
コメント(0)

25日移動平均線からマイナス側への乖離率が大きいもので、PER
2018年03月05日
コメント(0)

多摩のグラウンドでサッカーの練習。4月下旬の気温で20度以上だった。晴れた日で花粉がたくさんとんでいた。5人しか集まらず、一人アウトで2対2のゲームをやった。小さなゴールに灯油缶をおいて障害物とした。灯油缶をよけてゴールするのはなかなか難しかった。。1人抜けてから、2対2でサッカーテニス。それから3本のコーンをゴールラインに等間隔で並べて、先に3本倒したチームが勝ちというゲームをやった。人数は少なかったが、なかなかおもしろかった。-----I played football in a ground in Tama-city.It was fine, more than 20 degrees celcius and a lot of pollen was scattered. There gathered only 5 people and played 2 vs 2 games 1 out.Oil cans were set as obstacles.It was rather difficult to get goal through between the oil cans.After one person was out, we played 2 vs 2 soccer tennis.And then we aligned three cones on each goal line and played the game to strike out the three cones with ball. The winner is the first one to strike all the cones. Though only 4 members, we enjoyed the various games.にほんブログ村
2018年03月04日
コメント(0)

以下のテキストデータからitem2のcを抽出したいときIn [1]: cat sample.txtitem1 aitem2 a b citem3 cIn [3]: fi=open("sample.txt","r")In [4]: lines=fi.readlines()In [5]: [l for l in lines if "item2" in l][0].split()[3]Out[5]: 'c'列の数が揃わないテキストデータから、任意の文字列を1行で抽出できる。↓参考URLhttps://ja.stackoverflow.com/questions/33700/python-%E3%83%AA%E3%82%B9%E3%83%88%E5%86%85%E3%82%92%E9%83%A8%E5%88%86%E4%B8%80%E8%87%B4%E3%81%A7%E6%A4%9C%E7%B4%A2%E3%81%99%E3%82%8B%E6%96%B9%E6%B3%95%E3%81%AB%E3%81%A4%E3%81%84%E3%81%A6にほんブログ村
2018年03月03日
コメント(0)

25日移動平均線からマイナス側への乖離率が大きいもので、PER
2018年03月02日
コメント(0)

25日移動平均線からマイナス側への乖離率が大きいもので、PER
2018年03月01日
コメント(0)
全39件 (39件中 1-39件目)
1
![]()
![]()
