新たに学んだことから、日常のメモ、古い記憶の掘り返しまで、雑多に。

​    (無理くり1行に収めています)

    (コードは、自分のスクリプトから抜粋。汎用性はありません)

​

​​

​

0401

・Friston先生、フリー本。ローレンツアトラクタ。

・「クイズ」の起源、アイルランドの劇場人ではないのかも

​・ドラセナ (ドラセナ・シナバリ)、竜血樹、ソコトラ島

・「Wise and Mad Crowds – Mehdi Moussaïd at Summer Institute 2018」

​

0402

・researchmapでmiscにぶち込まれたら、編集→「選択した行を」「論文へ移動する」

・写真、モノクロ化はフォトの「調整」→「色」を左端に。サイズ変更はIMG

・

・R、facet_wrap や facet_gridのスケールの変え方↓

  facet_grid(TestDifficulty ~ .,
            scales="free_y") +  # y軸のみフリースケール (各パネルに応じてスケールが変わる)

  facet_wrap(. ~ TestDifficulty,
            scales = "free",  # x軸もy軸もフリースケール
            strip.position = "left",
            ncol = 1) + 

・Rの色の値、alphaは小さい方が薄いけど、"gray_"は大きい方が薄い

​

0403

・「(アルテ/ノイエ)ピナコテーク、ソフィア王妃芸術センター」「ビッグクランチ」

・計算社会科学。クオータ制。土管屋。何ぞや。

・R、対角線の入れ方(ablineで、slopeとinterceptをaesの中に入れたら回った)

  g <- ggplot(data = uuuuuuuuu,   #
             aes(x = uuuuuuuuu[, X_AXIS_DATA],
                 y = uuuuuuuuu[, Y_AXIS_DATA],
                 colour = factor(uuuuuuuuu[, COLOR_COLNAME]),
                 shape = factor(uuuuuuuuu[, SHAPE_COLNAME])
             )
  )
  g +
  geom_abline(
     mapping = aes(slope = 1,
                   intercept = 0),
     size = 0.3,
     color = "gray40"
  ) +

・Rのエラー「置換はx列ですが、データはy列です」、おそらくxは右辺、yは左辺

​

0404

・さどき、さどかれ。統計3原則。

​・これとこれ、似ている? (世代を超えたシミュレーション的な) (読めない)

・G検定のGは「general」のG (3月・7月・11月)、クイズ。

(追記: 「教養知識としてのAI」)

・フードロス(ろすのん)、SDGs、ダイナミックプライシングPros/Cons

 (SDGs追記)

​

0405

・「空っぽの箱」への代入、データフレームにはデータフレームを(無難)

​   allResults <- data.frame(iterIdx =  rep(-99, ITER * GROUPSIZE),
                          LearningDifficulty = rep(-99, ITER * GROUPSIZE),  
                          TestDifficulty = rep(-99, ITER * GROUPSIZE),
                          groupSize = rep(-99, ITER * GROUPSIZE),
                          accuracyLearn = rep(-99, ITER * GROUPSIZE),
                          accuracyTest = rep(-99, ITER * GROUPSIZE)
                          )
    ## (中略) #################

     ## recording the result in the current high members
     tempResult <- NULL;
     tempResult <- data.frame(iterIdx = rep(iterN,
                                            times = length(c(sort(subIdxHigh)))),
                              LearningDifficulty = rep(LEARNING_DIFFICULTY,
                                                       times = length(c(sort(subIdxHigh)))),  
                              TestDifficulty = rep(TEST_DIFFICULTY,
                                                   times = length(c(sort(subIdxHigh)))), 
                              groupSize = rep(GROUPSIZE,
                                              times = length(c(sort(subIdxHigh))))
                              accuracyLearn = rep(mean(vecCorrectFalseLearn),
                                                  times = length(c(sort(subIdxHigh)))),
                              accuracyTest = rep(mean(vecCorrectFalseTest),
                                                 times = length(c(sort(subIdxHigh))))
     ) 
  ## integrating so-far iterating results......
  allResults[((iterN-1)*GROUPSIZE+1):(GROUPSIZE*iterN), ] <- tempResult;
 

・シミュレーション時短、いかにmatrixと組み込み関数に落とし込めるか。wish matrix

・分類、適合率(「実際P」分のP)、再現率(「予測がP」分のP)、F値(両者の調和平均)。

・NNの活性化、シグモイドを重ねると勾配消失。この改善策がReLU。

​

0406

・interactionで「形も色も変えて、凡例はまとめる」なら、labelを同じにすればいい

  labs(
  x = "Question Type",
  y = "Accuracy",
  color = "Confidence in the Group",
  shape = "Confidence in the Group"
  ) +

・geom_lineでのinteractionプロット、aesの中は「group」

  geom_line(aes(colour = factor(highestmixedSummarized[, "proportion"]),
               group = factor(highestmixedSummarized[, "proportion"])
               ),
  size = 1.4
  ) +

・あの手の豚バラ肉、レンジだけでも行けるっぽい(!)

・元は囚人たちの退屈しのぎ、スカッシュ。

​

0407

・「どれなら行けそうか」を個々人に選ばせて、集団を作るのがいい

(追記: 集合知の、「proportion correct」と「proportion better」という指標)

(追記: 不確実性、少ない学習数ならヒューリスティックが強い)

・行動データだけでなくこういう発想(AIで分子から好みを予測)がやばい

​・鞍点(あんてん): ある次元から見ると極大だが、別の次元から見ると極小になる点

・大霊界、丹波哲郎さん(誕生日)

​

0408

・2012年に画像認識コンペ(ILSVRC)で優勝したモデルがAlexNet。

・豪のカーペンタリア湾付近、モーニンググローリー

・『タイタニック』、ディカプリオ。

・強い/弱い: AIが心や知性を持つか、特化/汎用: AIが広範な課題を処理できるか

(追記: サールは「強いAIは不可能」派)

​

0409

・「かにたま」と「かにかま」

・ナッジを、DDMの観点から統一的に説明。「テイラーメイド」っぽい話。

・Doubt & Trust for AI? (信頼性によらず結構trustするっぽい) (←この性差)

・viz.: すなわち(videlicet)、id est。「e.g.」は「exempli gratia」

​

0410

・online choice architecture (OCA) by the UK Competition and Markets Authority.

・ヒストグラムを手っ取り早く(ラフで)見るやつ。break = seq(始点, 終点, 刻み幅)

hist(sort(highestgs15groupUniqueLearningrandomRct[highestgs15groupUniqueLearningrandomRct[, "LearnQsN"]==10, "accuracyTest"], decreasing = TRUE) - sort(mixedconfgs15groupUniqueLearningrandomRct[mixedconfgs15groupUniqueLearningrandomRct[, "LearnQsN"]==10, "accuracyTest"], decreasing = TRUE), breaks = seq(-1,1,0.1), xlim = c(-1,1))

・段ボールの回収、ない。手袋、ない。

・「PROGの強化書」

・「屋台骨(やたいぼね)、大黒柱」

​

0411

・回帰、分散分析、ロジスティックとかそのへんのモデルは一般化線形モデル。

・リンク関数のイメージがつきにくかったのは、回帰や分散分析では恒等関数だからか

・R、facetで境界線(軸)を入れるやつ。lemonパッケージ。

  facet_rep_wrap(~ groupCategory,
                ncol = 3,
                repeat.tick.labels = TRUE) +

・R、ggplotでグラフに文字を入れるやつ(xy座標の基準はおそらく「左上」)

  annotate("text",
          x = -0.35,
          y = 950,
          size = 10,
          label = "<-- Test Worse") +

​

0412

・「diverging bar chart」

・R、ファイルへのパスの中に日本語があると「Import Dataset」は使えなさそう

・密度関数の「バンド幅」って、ヒストグラムのビンのようなものか

・アンサンブル学習、「集まれば、強くなる」。集合知の発想

​

0413

・「高い順に」in the order of descending priorities

​・「Western, Educated, Industrialized, Rich, Democratic (WEIRD) sample」

・(人が教えなくても)AIが自力で猫を認知。クイズを覚える発想っぽい

・特定原材料、7品目

​

0414

・条件に合う行に追加するやつ、ifelse()を使えばfor文不要説

abababababab <- ifelse(mixedconfgs15groupUniqueLearningrandom[,"accuracyLearn"]
                      - mixedconfgs15groupUniqueLearningrandom[,"accuracyTest"] > 0,
                      "Test Worse",
                      "Test Better")
mixedconfgs15groupUniqueLearningrandomAdd <- mixedconfgs15groupUniqueLearningrandom
mixedconfgs15groupUniqueLearningrandomAdd[,"testResult"] <- abababababab

 

・geom_jitterではwidth=とheight=、geom_pointではposition = position_dodge(width = )

・まさかのサブタイトル: lab(subtitle = "...")、theme(plot.subtitle=element_text(size=))

・YOLO (You Only Look Once) (位置特定とクラス識別を同時に行う1段階モデル)

​

0415

・「シグモイド関数を一般化したものがソフトマックス関数」

・​Nuance Power PDF (プロパティ情報を消すやつ)

・meltとtapplyは使いよう (「2列ペア」の個数を数える)

LearnTestCols <- data.frame(accuracyLearn = mixedconfgs15groupUniqueLearningrandomAdd10[,"accuracyLearn"],
                                              accuracyTest = mixedconfgs15groupUniqueLearningrandomAdd10[,"accuracyTest"])

na.omit(melt(
  tapply(mixedconfgs15groupUniqueLearningrandomAdd1[,"LearnQsN"],
          LearnTestCols,
          length)
))

​

・高価値の選択は速く正確だけれど、それに注意を促すと慎重になる。

​

0416

・「Music Macro Language (MML)」「FM音源 (frequency modulation)」

・「望外(ぼうがい)の喜び」

・ナイアガラの滝、ゴート島、ルナ島

・「プロポーショナルフォント」「(ディスプレイの)視野角」

​

0417

・AI変遷:「推論と探索→といぷろ」「知識→機械翻訳/Frame/SymGro」「MLとDL」

・「科学と人間生活」

・R、table関数(集計表作成)。桁数表示option(digits=…)

・キュートアグレッション、出典 Psychological Science (初出は2013年の書籍)

​

0418

・ggplot、「一律色変え」ならaesの外、「軸(グループなど)にあわせて」ならaesの中

・「普通預金」「通常貯金」

・「ソフィージェルマン素数」「安全素数」

・「水に浮かぶ惑星は、土星 (平均密度が最小)」(密度最大は地球)

​

​

0419

​・二項分布の乱数「dbinom(x = 成功回数, size = 試行回数, prob = 成功確率))」

・平均0、SD1の正規分布からn個の乱数を生成「rnorm(n = 10000, mean = 0, sd = 1)」​

(追記: 乱数固定「set.seed()」の引数は、とりあえずなんでもいい)

・ストーリーてんぷれ: 「これまでの成果→しかし→そこで→その結果」

・「Intel 4004 開発者の一人」

​

0420

・従属変数2値、「family = binomial(link = "logit"),」も「family = "binomial",」も結果は同じ

 (trials()は「(二項分布での)試行数」を明示。各行1問なら1でいい(1/1か0/1の意味になる))

brm(
  formula = correct | trials(1) ~ confidence,
  family = binomial(link = "logit"),
#   family = "binomial",
  data = analyzedApop[analyzedApop[,"qidx"]==1, ],
  seed = 1,
  prior = c(set_prior("",
                     class = "Intercept"))
  )
・formula=に [ ,"..."]形式の指定は無理っぽい

 is(sexpr, "try-error") でエラー:
  引数 "sexpr" がありませんし、省略時既定値もありません

・Rのbrm()、デフォルトは2000回*4チェーン、バーンイン1000回。

・「……["fit"]」とすれば推定結果は抜き出せる。けど「95%CIだけ」とかはできんのか

​​

0421

・関数の最後にワークスペースを保存するやつ(listでwrite.csvができないときなど)

(追記: ワークスペースの読み込みは、右上フォルダマークの「Load workspace」)

return(list(
  wlist = save(lllll, ## saving workspace (list data)
                        file = PATH
  )
  ))

​

・brmsのmcmc_plot、一部だけ図示したいやつ(intercept不要 など) (範囲も指定可)

mcmc_plot(bbbbb[[3]], pars = c("b_confidence")) + scale_x_continuous(limits = c(-0.3, 0.3))

​

・図を1つずつ順番に、逐一並べていくやつ

plot.new();  
for (PLOT in 1:totalIter) {
  BBBPLOT <- mcmc_plot(bbbbb[[PLOT]],
                      pars = c("b_confidence")) + scale_x_continuous(limits = vecLim)
  pushViewport(viewport(layout = grid.layout(2, 3)))  # n rows, m cols
  print(BBBPLOT,
       vp = viewport(layout.pos.row = ceiling(PLOT/3),
                     layout.pos.col = PLOT - (ceiling(PLOT/3)-1)*3)
       )
}

・例のあれ(箱ひげフェイク)

​

0422

・「funnel plot」と「forest plot」

・「Representing categorical knowledge: An fMRI study」、まさかの

・時間割引のプロセスを、マウスで。「larger/laterを選ぶときはカーブが大きい傾向」など

・集合知のパラドックス? (「形成→維持→統合」のどれも大変)

​

0423

・シュリンクフレーション。やっぱり値段が上がった方が嫌われるっぽい?

・forestでのソート、aesのy(とscale_yのbreak)でsort()。元データをソートしただけじゃ無理

estCoefConfRctSort <- estCoefConfRct[order(estCoefConfRct[,"m"]), ]# ,
ggplot(data = estCoefConfRctSort,
      aes(x = estCoefConfRctSort[,"m"],
          y = sort(estCoefConfRctSort[,"iterQidx"]),
          xmin = estCoefConfRctSort[,"l"],
          xmax = estCoefConfRctSort[,"h"],
      )) +
  geom_vline(xintercept = 0,
            size = 1.0,
            linetype = "dashed") +
  geom_pointrange(
  size = 0.9,
  color = "orange"
  ) +
  scale_x_continuous(limits = c(-0.03, 0.1)) +
  scale_y_continuous(
  breaks = sort(estCoefConfRctSort[,"iterQidx"]),
  )

​

・「糖質 + 食物繊維」

・DLの自己符号化器は主成分分析(次元圧縮)のようなもの

(追記: AIのブレイクスルー(第3次)は特徴表現学習、2012年頃~)

​

0424

・電波強度の単位Jy、ジャンスキー。

・ベイズ流行の理由、伝統の限界とモデリングの発展。

・brms後のmcmc_plot()、データの取り出し方

totalIter <- 70;
estCoefConfWithinPop <- NULL;
estCoefConfWithinPop <- data.frame(
  matrix(-99,
        nrow = totalIter,
        ncol = 9, # length(mcmc_plot(lllllPop[[2]])[1][[1]][2,])
  )
)

・イナダ→ワラサ→ブリ、ハマチ→メジロ→ブリ。セイゴ→フッコ→スズキ。

​

0425

・MCMC: 事前×尤度(データと確率モデルから作る)≒カーネル に2つ乱数を入れて、比をとる

​・​砂時計(のオリフィス)

・「Rtools4.0」

writeLines('PATH="${RTOOLS40_HOME}/usr/bin;${PATH}"', con = "~/.Renviron")
Sys.which("make")
・コレラ菌、アジア型とエルトール型

​

0426

・桜は100円、菊は50円。

・「抱負」と「目標」

・「アナレンマ」

・就任時最年長首相、鈴木貫太郎。

​

0427

・library()の引数「lib.loc = 」

・geom_smooth()のformula、xを列名指定するとできない問題(列数は同じはずなのに)

# OKパターン

geom_smooth(method="lm",

                        mapping=aes(x=iris[,"Sepal.Length"], y=iris[,"Petal.Length"]),

                        formula=iris[,"Petal.Length"]~x)+

# NGパターン

    geom_smooth(method="lm",

                            mapping=aes(x=iris[,"Sepal.Length"], y=iris[,"Petal.Length"]),

                            formula=iris[,"Petal.Length"]~iris[,"Sepal.Length"])+ 

# 警告メッセージ:
# 1: 'newdata' had 80 rows but variables found have 150 rows
# 2: Computation failed in `stat_smooth()`:
#  引数に異なる列数のデータフレームが含まれています: 80, 150 

​

・確信度と心変わり、ちょっと似たもの2つ。

・「報酬率(選択に費やした単位時間あたりに得られる報酬の量)」、資源合理性的発想

​

0428

・糖質と食物繊維、理解度①②③。

・自然言語処理、BERTのTは「Transformer」のT。「Attention Is All You Need」

・ファインチューニングは、学習済みモデルと新たなモデルを活用した「微調整」

・「誤報に接するだけでその後の信憑性が高まるため、正確性に注意を向けさせる」

​

0429

・「兄弟は他人の始まり」「虎口を逃れて竜穴に入る」

・ジャズ発祥地ルイジアナ州ニューオーリンズ、フレンチクオーター。「風致地区」

・as the story goes: 話によれば

・『Rational use of cognitive resources in human planning』

​

0430

・有形資産(tangibility)バイアス: 無形資産(intangibility)の方がリスクが高いと考える

・「この件についてはすでに部長の了承を得ています」「和会通釈(わえつうしゃく)」

・ブルガリアヨーグルト、園田天光光(そのだてんこうこう)

・イングランドはウィクリフ、ロラード派。チェコはフス。コンスタンツ公会議。

​

​

​​​​​​​​​