|
（約13000字）
「このフォーラム」ですからしかたありません。…なっ？ なにがですかっ。
※つながりの見えない話をいきなりしゃべり出すひとを演じています。過度な期待はしないでください。
・[4094]
> ふつうに大学で図書館ツアーという名の『隠し単位！』（げふ）を落としていなければ、ふつうにできるようになって大学を卒業するものですよ
・（12月11日）
https://www3.nhk.or.jp/news/html/20201211/k10012759201000.html
https://www3.nhk.or.jp/news/html/20201211/K10012759201_2012111636_2012111643_01_02.jpg
> 東京都に本部がある私立大学の産業能率大学は、知識を活用しながら問題を解決する能力を測ろうと、来年の入学試験でスマートフォンなどを使って情報を調べることができる新たな方式の試験を導入することになりました。
> 「頭の中にない知識は、スマホなどで調べられるという前提ですでに社会は動いている。新型コロナウイルスなどで先が見えにくい状況が続く中、知識を覚えるだけでなく、知識を活用し、未来を創造できる人材を送り出したい」
> 「今後、情報化が進む中で、自分で課題を発見して、答えを見つけていく力がより一層求められるようになる。さまざまな情報を取捨選択して、自分の考えをまとめていくような入試は今後も間違えなく増えていくと思う」
もちろん、それを本当にできるようにするのは大学ですること（※卒論が合格して初めて認定されるスキル）なので、入試で確かめようというのは“序の口”もいいところ。昔なら「普段から新聞を読んでいればちゃんと解けますよ」「普段から地図帳を開く習慣があれば大丈夫ですよ」みたいなことを言っていた感じの現代版ですね、わかります。辞書を持ち込み可にしても、辞書をまともに引けないひとをちゃんと落とすことができるので問題ありません。（※あくまで私見です。）
・[4213]
> PS4®というハイソなプラットフォームの客はおしなべてレヴェルが高い。
> わからないことがあるからネットで調べようという態度がすばらしい
・[4327]
> ハイソというのはどういうことかというと、必要なところでちゃんと個人プレーができるということなんですね。じぶんでじぶんに責任を持つ。これすごく大事。
・[4317]
> Switch版は低年齢向けというのは論を待たない
https://twitter.com/Batan_Q/status/1338068972655132674
> 小学生のソロプレイオンリーの息子くんにオススメSwitchソフトってないかなー？
> 桃鉄は多分ぶちギレするから無理。
> あと、RPGはダメらしい。
> もくもくと、遊んでるのはどうぶつの森と、マイクラ。
> 3DSのころはずーとA列車やってた。
「ソロプレイオンリー」と「個人プレー」の違い。（※体言止め）
・[4346]
> ビデオゲームに身をゆだねれば何かそっちから娯楽を提供してくれるんでしょ（オレを楽しませろよ）みたいな態度。わからないことがあるからネットで調べようの対極にある態度。二言はない。
筆記用具さえ持って行けばいいんでしょ（解けばいいんでしょ）みたいな態度を許さない、むしろ厳格な試験になるのが、スマートフォンを持ち込ませる入試なんですね。ほぼほぼ面接みたいな選抜方法なんですね。面接よりはるかに詳しいし厳しい。これだね。（※見解です。）
・[4323]
> > 臨空街
> これはかなりのものだ。カタカナとか4文字を超えるといった実在の駅名「許すまじ」みたいな気迫がある。
・[4001]
> 携帯ゲーム機版だからそういう年齢のかただとは思うけれど、ネットで公開していらっしゃるので批評されたがっているんだっ。問題ない。
> わあぃ「ＮＴ中央」（※全角）がカタカナで長いのが気に入らないからじぶんのセカイでは『和訳』して「正調」を気取るんだな
> 「正調」：むこう（現実の「ＮＴ中央」）は“おちゃらけた変なの！”で、じぶんの『中央新町』こそが清く正しいと思い込むようす。
あるよね。（…なにが。）ドラえもんに親しんでから「うまい棒」のキャラを見ると×意が湧く（※事実）桃太郎をあんなふうに使っておちゃらける「桃鉄」許すまじ。（※個人の感想です。）
https://stat.ameba.jp/user_images/20110831/11/ayumi-sato/60/35/j/o0480064311453269826.jpg
https://umaibou.jp/history/
> アニメ「ドラえもん」始まる。
・[4002]
> > 言葉遣いやしぐさによって、その人の生まれや育ちがわかる。よくない意でいう。
> プレーヤーがつけた町名じゃなくて株式会社アートディンクがじきじきにそういうのをつけてるんですねぇ。
> 逆に、本当の子どもにそういう悪知恵…もとい品位のなさは意外とないと思う。何もできないか、まったくぐちゃぐちゃになるかするのが子どもである。
・[4335]
> > 今となっては悪評高い＊＊＊も＊＊＊も、70年代ハイカルチャー権威の崩壊を経て80年代に本格化したオタク文化の「作り手（プロ）が敢えて悪ノリに走りまくるのが面白い」の最末期の象徴みたいなものだと思う。
> > プロの悪ふざけが面白いと思われなくなり、今は「プロはプロらしい振る舞いを」するのが当然の時代になった。
> > アマチュア的な悪ノリ全開で絶えず注目を集めてきたガイナックスが、この時期を境に急速に没落していったのも、この時代の変化についていけなかったためだろうなと思う。
https://livedoor.blogimg.jp/para080/imgs/a/1/a1901490.jpg
「うまい棒」と「桃鉄」は“没落”していく側の組にいるのは間違いない。そこで変に突っ張って“没落”しないようにしようとしたりすると逆効果だからやめたまへよ。くるしゅうない。（違）
> PCゲーム「A列車で行こう」シリーズも同世代なのでそういうことになりうるというか、そこの会社のコンテンツのタイピング練習ソフトなんかつくって（げふ）えー…（てんてんてん）。
『いわゆる生まれや育ち』というよりは、単に年代とテレビへの接触の程度（※テレビつけっぱなしの家）の地域差やご家庭でのそれによるものといえる。ハイソとは何か。テレビではサッカーだけを見ることである。えー…（てんてんてん）。
・「テレビ視聴時間の規定要因を探る」（2016年7月1日）
https://www.nhk.or.jp/bunken/research/yoron/20160701_8.html
https://www.nhk.or.jp/bunken/research/yoron/pdf/20160701_8.pdf
> 2015年2〜3月に実施した「日本人とテレビ・2015」調査の結果では，1985年の調査開始以来はじめて，リアルタイムの視聴時間が「短時間化」した。そこで本分析では，視聴時間減少の要因を探るため，2015年調査のデータを用い，テレビ視聴時間の規定要因を重回帰分析で探索的に検討した。
重回帰分析でいいのか＆個票を見せやがれです（違）しつれいしました。（棒読み）
> （PDF）
> 当研究所では，鈴木（1975）がテレビ視聴時間量の規定要因を分析（数量化II類）し，デモグラフィックな面では，「余暇量あるいは在宅時間，学歴が，テレビ視聴時間量に関連する中心的な要因であり，特に余暇量の比重が大きい」とした。
> 吉田（1985）は，「日本人とテレビ・1985」のデータでテレビ視聴時間量の要因分析（数量化II類）を行った。視聴時間量の長短に対する各要因の偏相関係数の大きさをみると，全員のケース（16歳以上）では（1）余暇時間量の長短，（2）学歴，（3）職業，（4）年層，（5）「テレビのいちばんの良さは，同時性と思うかどうか」，が比較的関連が高く，対象を40歳を境に二分しても，余暇時間量が第一の要因であると述べている。
うーん。何か集中力が途切れた。たいへん申し訳ないんですけど「テレビ視聴時間の規定要因を探る」（2016年7月1日）については、後日「後編」でちゃんと読み解こうとは思いますんで、そこんとこなにとぞよろしく。（棒読み）「前編」では、これ以上は読まずに「重回帰分析」「数量化II類」「主成分分析」というキーワードだけにこだわって同じ場所をぐるぐるしながら足踏みします。えー…（てんてんてん）。
> 橋元ら（2011）
出ました橋元センセイ！（※恐縮です。）
> 従属変数をテレビ視聴時間，独立変数を性別・年齢・学歴・職業・在宅時間として重回帰分析を行った結果，「在宅時間がもっとも大きな決定要因として示された。視聴時間の長さに対するパートや専業主婦の関連の強さは，在宅時間によるものであることがわかる。続いて無職であること，年齢，そして学歴も同等の係数値を示している」とした。
> 橋元ら（2013）
> PCとモバイルに分けて分析
> 相関分析
なんかねぇ。悪いお手本を見ちゃったという感じがなきにしもあらず。せめて数量化II類してた当研究所の先輩方のほうがちゃんとデータ処理に長けていたのよ。重回帰分析という魔法のことば。
> 重回帰分析は，独立変数間の相関が強い場合，正しい分析結果が得られない「多重共線性」の問題が生じることがある。
> ステップワイズ法で変数を絞ったうえで，強制投入法で再分析した結果
> 16〜29歳（322人），30〜59歳（1,194人），60歳以上（926人）の3年層に分けて分析を行う。
だめじゃん。すごくだめじゃん。せめて数量化II類してた当研究所の先輩方のほうが「3年層に分けて」という雑で強引な分割に起因するノイズを起こさずに分析できていたのよ。どうして数量化II類できないのか。
・日経リサーチさんです
https://www.nikkei-r.co.jp/glossary/id=6776
> 「数量化」という点に本質的な意味があり、質的データを量的な測度に変換する（数量化する）という趣旨の手法である。
> 質的変数をダミー変数（二値変数）に変換するという操作
> 判別分析では独立変数には量的変数を前提としている。数量化2類は質的変数である独立変数をダミー変数に変換したうえで判別分析を適用する方法だとみなすことができる。
「3年層に分けて」しないで、「年齢」の数字そのものを数値データと思いましょうよという分析ですな。「職業」なんていう質的変数も、何がしかの定義をじぶんで決めて順序尺度にすることができるんですな。
> 数量化2類・・・判別分析
> 数理的に同等である、あるいは本質的に同じ結果を得るという意味は、たとえば数量化1類の分析結果として得られる数量と、分散分析の結果は基準化方法が異なるだけで、相関係数は正確に1であるという意味で、同値だということである。数量化2類の数量も同様であり、数量の平均と分散による基準化方法が異なるだけなので、判別変量との相関係数は正確に1である。
「多重共線性」のほうは主成分回帰で乗り越えるのが正解だ。そのうえで、今回（のデータで）は「回帰」まではちょっと…（てんてんてん）というなら、回帰まではしない主成分分析で考察すればよいのだ。工場の生産管理じゃないんだから、回帰分析（＊）することより考察することに力点があるのが文系の研究だ。○か×か。
＊「回帰分析」とは、予測のための回帰式・回帰モデルを得る操作のことである。「文系の研究」：得られた回帰式・回帰モデルの『説明力』（『予測力！（笑）』）を誇ったりけなしたりする…ワケジャナイ！、の意。
https://www.sas.com/ja_jp/industry/higher-education/fieldvoice/colum-asano/colum-asano-04.html
> 説明変数は互い相関があって当たり前です。極端に相関係数が高いと偏回帰係数の標準誤差が極めて大きくなってパラメータの精度が悪化します。このような病的な状態を俗語でマルチコと呼んでいます。きちんといえば多重共線性(multicollinearity)です。
いえね。この原稿がせんせーの講演だというイメージで読んでね。あなたは会場で聴いてる。
> 厳密さを追求するとどうなるのでしょうか。当時、あるマーケターから主成分を全根出してRPCウェイトを正確に計算してください、と注文されたことがあります。
会場がぷすぷす言ってる。
> 実際に計算してみれば分かることですが、どうなるかを説明しましょう。
こらえきれない感じの音がしてくる。
> 厳密さを追求するとOLSの解に帰着するので、主成分に回帰する意味がなくなる、というのがこと真相です。
どわっと沸く会場。（※体言止め）
> 朝野熙彦『入門多変量解析の実際 第2版』講談社
朝野熙彦など読むものじゃない。（※敬語）
https://www.chikumashobo.co.jp/author/005908/
> 1969年千葉大学文理学部卒業、埼玉大学大学院修了。筑波大学特別研究員、専修大学教授、東京都立大学・首都大学東京教授、多摩大学および中央大学客員教授等を歴任。
朝野熙彦など読むものじゃない。（※反語）1969年の千葉大学文理学部で計算機をどのくらい使えたのか。えー…（てんてんてん）。
※大学で先生が先生してる分にはいいんですけど、そこから遊離して著書だけを見ても意味ないよ、の意。
・[3136]
> > 「今回から、ファイル名には256文字が使用できるようになりました」との声には笑いが起きた。
> > そして、「Windows 95ではとてつもない機能が追加されました。それがプラグ＆プレイです」と説明。大きな歓声と拍手の中、「ディスプレイやモデムなどの機器をPCに挿すだけで瞬時にデバイスドライバをインストールし、すぐに使えるようになる。初めて見る人もいると思いますが、これを実際にご覧いただきたい」と語り、PCMCIAカードを用意。これが認識されると笑い声と拍手が沸いた。
> > ノリ始めた会場からは、「Windows 95はマルチタスクを実現しています」というと「エーッ」とわざとらしい驚きの反応。続いて「Windows 95は、これまでの16bit OSから進化した32bit OSです」というと、また「エーッ」という反応。「タスクバーからアプリケーションを切り替えることができます」というと、「オオーッ」という声があがる盛り上がりをみせた。
完全に集中力が途切れた証拠にイッツコムせざるを得ない。（キリッ
https://dailyportalz.jp/kiji/backstage_anywhere
https://img.dailyportalz.jp/1716/0815/2819/dressingroom01_01.jpg
> いちばんそれっぽく撮れそうなイッツコムの会議室で撮ってみた
・[3726]
> …おねーちゃん！！ しーっ、バイト先には来ないでって言ったでしょ？
> 「NTTの1階」がデニーズだよおねーちゃんっ！ …これはさすがにイッツコムでつくったホームページに写真をアップせざるを得ない。
・[3885]
> 赤松公園でPS4は遊べますか。そういうことを書いておくとデイリーポータルさんが「イッツコムせざるを得ない（キリッ」みたいに赤松公園でPS4してくれると期待される。
うえーい！
・「あなたもやっている重回帰分析」
https://www.itmedia.co.jp/enterprise/articles/0608/01/news037_3.html
> 重回帰分析を使った価格設定とは、過去の実際原価データと設計情報や仕様情報からパラメトリックにおおよその価格、値ごろ感（専門的には内的参照価格と呼ぶ）を算出する手法である。「統計解析」というお堅い言葉が付くと拒否感を示すかもしれないが、実は読者の皆さんもこれとほぼ同じようなことを日常で行っている。
> 車好きの方なら、ミニバンで2.5L、7人乗りでHDDナビやバックモニターといった機能がついておよそ250万〜300万というような値ごろ感がある。これもある意味、簡単な重回帰分析（パラメトリックな価格算出）である。
いいねーいいねー。そだねー。
・JMP「主成分回帰」…帰ってきちゃった♡（違）
https://www.jmp.com/support/help/ja/14-2/mm-principal-components.shtml
> 主成分分析（PCA; Principal Component Analysis）は、複数の変数における変動をできるだけ説明する、少数の独立した線形結合（主成分）を求めます。主成分分析は次元を削減する手法であり、探索的データ分析（EDA; Exploratory Data Analysis）の手法の1つです。主成分回帰（PCR）によって予測モデルを作成するときにも使えます。
いいぞ！ 探索的データ分析しなきゃいけない文系の研究なのに、どうして重回帰分析なんかしちゃってるんですか、という言いかたでののしればいいんだ。（※恐縮です。）
https://www.jmp.com/support/help/ja/14-2/images/IntroPic.gif
> 「主成分分析」プラットフォームでは因子分析も行うことができます。JMPには、抽出した因子を解釈しやすくするために、いくつかの直交回転や斜交回転が用意されています。
この、簡潔なのに網羅しきった感のある説明がきもちいい。（※見解です。）この説明に数式の出番はないしプログラムもじぶんでは書かない。だから使わない手はない。
例えば、16歳の人の「学歴」って、なんですか。（棒読み）「在宅時間」は、ほかの属性が同じひとの中での相対的な長短で新たなカテゴリ変数にすべき。16歳だとどうかはわからないが17歳で高校生といえば、学校のほかに拘束時間が長いものがあるかないかで「在宅時間」に大差がつくはずだ。その理由は調べていなくても、暗に将来の「学歴」「職業」を示唆しているはずなのだ。そのこと自体を新たな変数にすべきであって、「在宅時間」の生の数字をそのまま重回帰分析に乗せてはいけないのだ。同じことが「職業」とそのほかの変数の間でもできよう。
主成分分析では、そういう感じに「ほかの属性が同じひとの中での相対的な長短」「新たなカテゴリ変数」みたいなことを、入力した変数ぜんぶの間の相互においてやってくれる、そのことを「回転」だの「次元削減」だのというのですよ。知ってた。
文系の研究としては、主成分分析してからソフトクラスタリング（確率的なクラスタリング）をするというのがゴールなんじゃないですか。（※ひとごと）
・…JMPです♡（違）
https://www.jmp.com/support/help/ja/14-2/mm-cluster-variables-14.shtml#309670
> このアルゴリズムはSASが開発し、PROC VARCLUS（SAS Institute Inc. 2017e）に実装しました。
ごにょっとしたやつをJMPが最初から用意しておられる。これを使ってよいと許可されたらこれを使う。えー…（てんてんてん）。
> 各クラスターにおいて、そのクラスターに属する変数だけを対象に主成分分析を行います。
「変数」という用語が統計学のそれではなくプログラミングのそれのように読める。データ（散布図上の点）のことですな。
> すべてのクラスターの2番目の固有値が1より小さい場合、アルゴリズムを終了します。
第1主成分だけでいいや。…第1主成分だけでいいや！（※白目）
> 2番目の固有値が最も大きい（かつ1より大きい）クラスターを、次のようにして新しい2つのクラスターに分けます。
> オーソブリク（orthoblique）回転を用いて、現在のクラスター内の変数から求められた主成分を回転させます。
> 回転後の第1主成分との相関のR2乗が第2主成分との相関のR2乗よりも大きい変数を選び、それを1つのクラスターとします。
> そして、その残りの変数をもう1つのクラスターとします。このもう1つのクラスターは、第1主成分との相関よりも第2主成分との相関のほうが大きくなっている変数です。
> これら2つの新しいクラスターにおいて、第1主成分を計算します。
> 次に、別のクラスターに割り当てるべき変数がないかどうかをテストします。変数ごとに、次を実行します。
> 各クラスターの第1主成分との相関のR2乗を計算します。
> 変数を、相関のR2乗が最も大きいクラスター内に含めます。
げふ。変な感じに階層的な分割になっていく気がする。えー…（てんてんてん）。そして、これはぜんぜんソフトクラスタリングではなかった。しつれいしました。
・「ソフト クラスタリングの使用による混合ガウス データのクラスタリング」
https://jp.mathworks.com/help/stats/cluster-gaussian-mixture-data-using-soft-clustering.html
https://jp.mathworks.com/help/stats/clustergaussianmixturedatausingsoftclusteringexample_01_ja_JP.png
https://jp.mathworks.com/help/stats/clustergaussianmixturedatausingsoftclusteringexample_02_ja_JP.png
> GMM を使用するソフト クラスタリングでは、ファジー k-means クラスタリングと同じように、メンバーシップ スコアを使用して各点を各クラスターに割り当てます。ファジー k-means アルゴリズムでは、クラスターの形状が球面に近く、どのクラスターもほぼ同じサイズであると仮定します。これは、すべての成分間で共有され、単位行列の倍数である 1 つの共分散行列をもつ混合ガウス分布に相当します。対照的に、gmdistribution ではさまざまな共分散の構造を指定できます。既定の設定のオプションでは、成分ごとに制約のない共分散行列を推定します。
こういうのができればいいんじゃないですか。えー…（てんてんてん）。
主成分分析してからk-meansするときに「クラスターの形状が球面」「どのクラスターもほぼ同じサイズであると仮定」が何か問題かというと…ののんのん！ 「在宅時間」の「相対的な長短」みたいなことを、せいぜい3段階（長い・ふつう・短い）で言えればいいんだという限り問題ないんじゃないですか。（※ひとごと）
言葉を使って考察を丁寧に述べ…なんてことはしなくてよくて予測の精度だけで勝負すりゃあいいんだという分野では分布のかたちをいろいろ変えて試してみていちばんいいのを探るということができましょうが、文系の研究はそうじゃない。言葉を使って考察を述べないといけないから、せいぜい3段階（長い・ふつう・短い）くらいの、要するに正規分布でいいし「クラスターの形状が球面」「どのクラスターもほぼ同じサイズであると仮定」でいいんじゃないか。えー…（てんてんてん）。
・（♪〜）
https://pbs.twimg.com/media/B0DyDz4CYAA_lEG.png
https://pbs.twimg.com/media/CCog-BtUkAAqzAW.png
変なところで変な独創性を発揮して変なかたちの領域をそれなりに自在につくらせようとしてくる。えー…（てんてんてん）。
・[4234]
> 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）
> > 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
なにをかいわんや。
> > 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。
文系の研究にも同じような（多変量解析に対する）自信のなさが多く見られるのである。そして、「桃鉄は多分ぶちギレするから無理」とは、予想できない結果（要するにサイコロ）「許すまじ」ということのようであった。
https://dic.nicovideo.jp/oekaki/697042.png
https://youtu.be/bXVUBeGcPVI
※画像はイメージです。
・[3813]
> じぶんを「不意打ち」しよってからに、という、じぶんの予想していないことや承知していないことが勝手に行なわれたということに対する反射的な怒りであって、これは生物として正しい反射ではないかと思う。
> > 佐々木小次郎は宮本武蔵に待たされて、イライラして負けたんだっけ？
> > 私は録音された音声を聴いて驚いた。私と電話をしていた時には怒鳴り、威圧し、乱暴な言葉を使っていたお客様が、K藤さんの電話に出たときは嘘みたいに大人しく会話をしていたのだ。
> > 「こういうタイプのお客様は自分が優位に立っていると偉ぶれるけど、実は不意打ちに弱いのよ。だからかかってきた電話が苦手なの」
不意打ちに弱い「桃鉄は多分ぶちギレするから無理」では「怒鳴り、威圧し、乱暴な言葉を使っていたお客様」まっしぐらだ。RPGもふつうに楽しめるようになるよう促したまへよ。発達を促すゲームを与えたまへよ。（※見解です。）
・ＡＲＸハニーえにも（99）
https://arx.neorail.jp/units/
> このゲームのプレーヤーになるということは、ある種のロールプレイングである。ゲームの発売時の宣伝では「私鉄の経営者（鉄道も街も思い通りでウハウハ）」というロールだけが示されているが、実は「国鉄（本社）」や「都市計画の実務者（県庁の人）」はたまた「鉄道・運輸機構」という略称で知られる研究所でひたすらシミュレーションを行なう経済学出身の研究員というロールを楽しむこともできる『奥深さ』を備えているのである。ここで重要なのは、ある1つのロールだけを「よく演じ」られるようになることではなく、（できれば）すべてのロールを「よく体験し」して、役割や立場の違いと、そのように異なる立場で分担するということの意義を「よく理解し」することなのである。これには相当の得意不得意が生じると想定されるので、特に不得意な場合には、ゲームを使ってもよいからそのようなロールプレイングができるようになるよう促す必要があるといえる。ゲームなしでもできるならそれでよい。
「ＡＲＸハニーえにも（99）」キター！！（※ソコジャナイ。）翻って、「数量化なん類」の数字はローマ数字で書かないと味が出ないんだよね（※白目）しかも全角記号のね。そんなことだから、原稿で全角記号のローマ数字なんて使っちゃだめだよという時代になったら、自動的にフェードアウトしていくべきなのが「数量化なん類」なのではなかったんですかねぇ。（ねちねち）
・[3740]
> > 一言で言えば、t-SNEとMDSの違いは何ですか？
> 「t-SNE」：MDS（[3676]）のげんだいばーん。
https://jp.mathworks.com/help/stats/visualize-high-dimensional-data-using-t-sne.html
https://jp.mathworks.com/help/stats/visualizehighdimensionaldatausingtsneexample_01_ja_JP.png
> tsne は、PCA を使用してデータの次元数を元の 784 から 50 に削減してから、t-SNE の Barnes-Hut アルゴリズムを使用して 2 または 3 に削減します。
https://img.gifmagazine.net/gifmagazine/images/662358/original.gif
わあぃ「t-SNE」。
http://domitry.hatenablog.jp/entry/2013/12/31/181532
> 力学モデルについて調べていたらBarnes-Hutのアルゴリズムという手法を見つけたのでためしに書いてみたメモ。
> ノード間の相互作用を計算するときに計算量を減らすためのアルゴリズム。
> 多体問題のシミュレーションに使うのかなと期待したけどそんなことはなかった。(計算が全く厳密でない)
> 初期条件が悪いと汚いグラフができるのでKamada-Kawaiのアルゴリズム等でうまい初期条件を見つける工夫が必要。
そもそも無理に2次元でプロットしようとするのが不適切。（※見解です。）
| |
