|
（約7000字）
[4082]らへんで止まっていた「照焼大橋」です。
・[4078]
> ちかごろみやこのねっとがおそくてのう（…ごふっ！！）
・（♪〜）きょうの日比谷線は東武動物公園から。
https://youtu.be/xPCgGL1TQvI
・[4100]
> これはすごい。なにがいいたいか、もうおわかりですね。
・[4082]
> のんすとっぷ・ざ・ぼー！！！ …じゃなくて『ミニストップ』だった。1回休み。（違）ざ・ぼーってなによ。（※特に意味はありません。）
> > よーし、明日から本気出そう。
うーん。（※ミニストップでかなり長く立ち読みしてから何も買わずに出てきたひとみたいな顔で！ えー。せめてくるっとうしろむいてしゃがんで洗顔フォームと電池だけでも買おうよ。…うわぁミニストップで電池買う人。）
https://m.media-amazon.com/images/S/aplus-media/vc/725f0cd5-6109-42aa-b8f7-a139cf6edc98.__CR0,40,353,471_PT0_SX300_V1___.jpg
> ざ・ぼーってなによ。
https://www.haseko.co.jp/branchera/lib/img/thum/comic02/thumb_tech50.jpg
おーぷん・ざ・ばー！ そしておもむろにどぼどぼと投入。（※表現は演出です。）
・[4082]
> なかなか「照焼大橋」という名前にふさわしい新しいグラフィックを備えたテクニックが見いだされてきません。なるほどグラフィックさえ新しければいいんですね、しょくんはね。（違）
https://upload.wikimedia.org/wikipedia/commons/thumb/d/d2/Minimum_spanning_tree.svg/1280px-Minimum_spanning_tree.svg.png
> はやくこういうのをびしっと描いてみたいものだ。…しばらくお待ちください！？（※あわてた顔で！！）むこうですごい音がしている。[4069],[4071],[4072],[4073],[4074],[4075],[4077],[4078],[4079],[4080],[4081]の続きです。
…うーん！ 高速さいたま（違）両手を掲げて（ぐぇ）そっちは南栗橋（埼玉県久喜市）ですよぅ！（※なさけない声で元気よく！！）
・[3953]
> 「橋りょう」だけが先に完成してほったらかし！ …あるでしょ。ゼッタイあるでしょ、そういうの。（※見解です。）
> 本件ゲームでは「川」の表現に難しさ（と手間）があるので、ここでは「地形の自動生成」でなんとなく沼地とも干潟ともつかない地形になったところを「大きな川の河口付近」に見立てて、橋りょうだけを造っています。…あとのことは考えない！ そこに橋りょうがあるとかっこいいから！（棒読み）
> …うーん！（※3連休が終わっちゃうよ＆名残惜しいよみたいな顔で！）
・「igraph」めんどい！
・平面上の座標が先に絶対で決まってて（ごにょごにょ）しようというのに「igraph」使うのは邪道だ！（キリッ
・（真に「igraph」を必要とする人がそのとき入門してストレートに使えなくてはいけないので、『変なクセ！』をつけてはいけない）
えー…（てんてんてん）。べんきょーしたくないからえんぴつをげーじつてきにけずる。（※ひらがな）散布図で点の系列を結ぶ線を引かせながらにょろんと丸くしてちょうだいみたいなのもあったはずだ。それだけで路線図に見えてこないか。えー…（てんてんてん）。
http://www.sthda.com/english/wiki/scatter-plots-r-base-graphs
> The function scatterplot() [in car package] makes enhanced scatter plots, with box plots in the margins, a non-parametric regression smooth, smoothed conditional spread, outlier identification, and a regression line, …
ほぅ。いわゆるワンパッケージというやつである。「市販のとんかつ」（[4011]）…じゃなくて、市販の焼肉のたれみたいにぜんぶできてるやつ。…ゴクリ。
http://www.sthda.com/sthda/RDoc/figure/graphs/scatter-plots-scatterplot-car-package-1.png
> The plot contains:
> the points
> the regression line (in green)
> the smoothed conditional spread (in red dashed line)
> the non-parametric regression smooth (solid line, red)
いいねーいいねー。そだねー。（※話がはやい、の意。）1つの図に複数の系列を重ねて描画できるのかしら。…ギクッ。
https://www.sharpsightlabs.com/blog/scatter-plot-in-r/
> Plot a scatter plot with ggplot
> Now that we have our dataframe, df, we will plot it with ggplot2.
> To add a trend line, we can use the statistical operation stat_smooth().
> Keep in mind that the default trend line is a LOESS smooth line, which means that it will capture non-linear relationships.
https://vrzkj25a871bpq7t1ugcgmn9-wpengine.netdna-ssl.com/wp-content/uploads/2018/08/ggplot-scatter-plot-in-r-with-smooth-line.png
もっとだよね。（…なにが？）
https://jp.mathworks.com/help/curvefit/lowess-smoothing.html
> 滑らかな曲面でデータを近似するには、Lowess モデルを使用します。"lowess" および "loess" という名前は "locally weighted scatter plot smooth (局所的に重み付けされた散布図平滑化)" から来ており、どちらの手法も局所的に重み付けされた線形回帰を使用してデータを平滑化します。
発音がわからないからもにょっと書いて「これ。」と指さしておこう。（棒読み）
https://detail.chiebukuro.yahoo.co.jp/qa/question_detail/q1290691822
http://www.f.waseda.jp/sakas/R/Rgraphics17.html#lines
日本語で「R」の説明をしようとする人の「じぶん数IIIと数Ｃばっちりで受かりました（てへ」みたいなマインドがいけ好かない。ぜんぜん工学じゃない。どこまでいってもお行儀よく数学なのだ。優れたアルゴリズムや標準とされた方法をブラックボックスのまま使うという発想の導入に至りにくい。だから重回帰分析を高校数学のノリで理解しようとして挫折する。違いますか。（※表現は演出です。）
> 低水準作図関数
何が言いたいかというと、Rで「低水準作図関数」しちゃうのは「こたつから出ずにミカンを引き寄せる方法」だということ。統計解析を実行することと、プロットを工夫することは別のことだという厳然とした線引きをしておきたい。…線だけに。（しーん）
・[3688]
> > 心理学の世界で用いられる統計の教科書は、しばしば「クッキングレシピ統計」と呼ばれる。本質的な内容（数学的知識）がなくても手順だけ覚えることによってどうにかなるように書かれているからである。
> 手順だけ覚えることによってどうにかなる
> 手順だけ覚えることによってどうにかなる
> ように書かれている
「どうにかなる」という意味では合理的で申し分ない。（※白目）
・[3873]
> > 「わからないからできない」とふてくされる人……。
> > 偉い人の権威を持ちだして脅す
> > 物を与えて、遠くへやる。
> じぶんよりひどい態度の者を軽蔑し（教育や説得をあきらめ）、あえて不相応に高度な物を与え、じぶんから遠ざける。やっかい払い。
・中山和弘「多変量解析を理解するには重回帰分析から」（2008年4月15日）
https://webview.isho.jp/journal/detail/abs/10.11477/mf.1681100303
> 多変量解析については，基本的な統計学の知識があっても，その手法の多様さや解釈の難しさから，途中で挫折してしまう人もいると思います。実はその手法のほとんどが重回帰分析を基礎につくられていて，それを理解すれば多変量解析ならではの考え方がかなり身につくということをご存知でしょうか。逆にいえば重回帰分析が理解できていないと他の手法も理解が難しくなります。「重回帰ぐらいはわかる」と思うかもしれませんが，かなり奥が深いものです。特に説明変数（独立変数）間の関係がどのように結果に影響するかはとてもダイナミックなものです。
> 説明変数（独立変数）間の関係がどのように結果に影響するか
それはデータしだいだから、「重回帰分析について理解する」ということを超えている。
> 重回帰分析，すなわち多変量解析の考え方が理解できれば，自分でデータ解析ができなくても，少なくとももっと論文が読めるようになると思います。どんな手法でもそこに共通した考え方があるからです。ここで論文が読めるというのは，より正確にいえば「図表が読める」ということで，要約や結果が読めるということではありません。
「多変量解析の考え方が理解」するために「重回帰分析」が必須と考えるのは妥当か。「回帰とは何か」についてなら「単回帰」だけでいいのではないか。「重」というところでは現実的には「多重共線性」につきあたる。最初から「主成分分析」でいいじゃないか。そのあと「主成分分析を使った回帰」というかたちで「多重共線性」を楽々と乗り越えればよいではないか。つまり「多変量解析」らしい方法をいきなりデモンストレーションしていいんじゃないか。わあぃ「本はうしろから読む人」全開です！（キリッ
> 看護系の論文のなかには，筆者が図表の読み方を間違っていて結果も考察も誤りであったり，図表の読み方が不十分で考察や結論が結果の繰り返しだったりするものが少なくはないと思います。また，分析方法の理解不足による誤用が図表で判明することもあります。何より図表こそが結論を導き出すための最も信頼できる情報です。図表をみて自分で解釈して，その後に筆者による考察も読みつつ結論を考えてみることが重要です。
> 図表が読めるようになったら，よいものは真似することができるようになります。完成した図表をイメージしながら，研究計画を立てたり，データ解析を行なったりできるようになるはずです。
いいですか。
> 論文のなかには，筆者が図表の読み方を間違っていて結果も考察も誤りであったり，図表の読み方が不十分で考察や結論が結果の繰り返しだったりするものが少なくはない
> 分析方法の理解不足による誤用が図表で判明することも
図表うそつかない。
https://shop.ohmsha.co.jp/shopdetail/000000001710/
> 回帰分析に挫折した人
> 多重共線性
この本の範囲では「多重共線性」を乗り越えられない＆それを乗り越えることは何かとてつもなくたいへんなことのように思えてしまわないか。
・（2019年2月5日）
https://el.jibun.atmarkit.co.jp/searchman/2019/02/post_42.html
> 最近、機械学習で
> 挫折した人から聞いたのですが、
> 「数学がわからなくて・・・」
> と言うんですね。
> 「う〜ん」とか言って、
> 手が動かなかったら、
> たぶん、何もわかってないですよ。
うーん！！（※個人の感想です。）
「照焼大橋」が止まっていた間に、先に「新札幌バウム」ができていたのでした。
・「新札幌バウム」
https://arx.neorail.jp/experiment/?%E6%96%B0%E6%9C%AD%E5%B9%8C%E3%83%90%E3%82%A6%E3%83%A0
> ユーハイム サンピアザ店 (新札幌/バームクーヘン)へのトドワラさんの口コミです。
http://www.nemuro.pref.hokkaido.lg.jp/ss/srk/grp/essg/09/m_084_abcd.gif
…じゃなくて。
> 「府中のメソッド」の主成分分析バージョンです。マップの平地を、均一ではない領域に分割します。
> 「ベクトル円海山」の途中の計算で得られる行列を使います。地質の違いに見立てましょう。
わあぃ独自用語が満載。なにがなにやら…（てんてんてん）。
https://neorail.jp/forum/uploads/r_neon_elv_cmp3_km17_ext.png
![https://neorail.jp/forum/uploads/r_neon_elv_cmp3_km17_ext.png]()
左が『生！』のクラスタリングで、右が「主成分分析」してからのクラスタリングです。（※そのほかにも処理の内容の違いがあります。）
https://arx.neorail.jp/newgame/a9v3_neon_superkatakurico.png
![https://arx.neorail.jp/newgame/a9v3_neon_superkatakurico.png]()
そのような地形データなので、そのままではクラスタリングなどできるものじゃない。
https://neorail.jp/forum/uploads/map_neon_nmpc_contour_1024.png
![https://neorail.jp/forum/uploads/map_neon_nmpc_contour_1024.png]()
うすい灰色で示した「まっ平らな平地」は、標高の値がぜんぶ同じ、2次元のデータなんですね。そこに、周囲の地形から押したり引いたりして、それっぽい「等高線」をでっち上げた。そうすると、曲がりなりにも異なる標高の値を持つ3次元のデータになるんですね。そうすると「主成分分析」の出番になってくる。（※表現は演出です。）
・「曲がりなりにも」とはにわ曲がり
https://thesaurus.weblio.jp/content/%E6%9B%B2%E3%81%8C%E3%82%8A%E3%81%AA%E3%82%8A%E3%81%AB%E3%82%82
> 若干の明らかでない方法または状態で
> 何らかの方法で
曲がった方法ですよという言い訳。…バウムクーヘンだけに。（※表現は演出です。）
・[3868]
> 冒頭で述べた「プレーヤーが目で見て目視で視感を言葉で述べ、というのでなく、データをほうりこめば自動で何らかの把握が完了する」を果たしたから、これを「AI」と呼ぶか呼ばないかはどうでもいい。
・[3169]
> なかなかどうして、私たちはなんとむずかしいパターン認識を一瞬でやってのけているのかと再認識されましょう。
・[3754]
> 実時間で半日くらいかけて悩もうぜ
> ぐふっ。いわれなくてもたっぷり悩んでます。マップコンストラクションで最初に列車が走るまでの長いこと長いこと！ これを「長考に入る」ともいうよ。
・[3868]
> とはいえ、コンピューターにやらせてみればたかだか主成分分析してからk-meansするくらいのことしかしてなかったのだともわかっての本日「このフォーラム」であります。そもそもゲーム内で地形を「よく観察し」とはいうけれど、それはできてあたりまえというか、むずかしいことはしていないというか、何も考えずに自動的にやってるという感覚があったんですよ。それならコンピューターでもできるはずだと思ったら実際できた。なんか納得した。
このまま[4235]へお進みください。（棒読み）
| |
