SHAPを使うモチベーション SHAPのアイデア 数式表現 イメージ例 Shapley値 SHAP 実データでの分析 SHAPを使うモチベーション PFIはモデルがどの特徴量を重視しているかを見ることが出来る．PDやICEは特徴量と予測値の関係を見ることが出来る． これに対し，S…

ARC035 A - 高橋くんと回文【AC】 "*"という文字は任意の文字に置き換えられるとしたとき，Sは回文であるか求める問題です． SとSを反転した文字列を左から順に一文字ずつペアとして見ていきます．全ての文字のペアについて，同じ文字であるか"*"が含まれて…

AからCまでを8分50秒で解くことで1806位パフォ1103になりました．レートも緑まであと5なので頑張ります． A - Six Characters【AC】 与えられる文字列は1から3であり，全て6の約数です．繰り返す回数は6/len(s)で求められます． s = input() print(s*(6//len…

4.5 4.6 4.7 i) ii) 4.5 向かい合って座るパターンは2通りであるが，隣り合って座るパターンは4通りある．よって，前者が15組で後者が30組だから隣り合って座る方を好むという推論には問題がある． 4.6 目の和が9になる場合に(3,3,3)という3つ同じ数字の並び…

4.1 ド・メレの問題 i) ii) 4.2 4.3 4.4 4.1 ド・メレの問題 i) サイコロを4回投げ，6が少なくとも1回出る確率は（1－6が1回も出ない確率）である．6が1回も出ない確率はである．よって少なくとも1回出るのに賭けるべきである． ii) (6, 6)が1回も出ない確率…

ICE PDで捉えられない関係 ICEの数式表現 ICEの利点 実データでの分析 ICE 4章でやったPDは特徴量と予測値の平均的な関係を見る指標であった．それに対し，ICEは平均を取らず，一つ一つのデータに対して特徴量と予測値の関係を見る指標である．平均を取らず…

ARCも意外と灰diff多いですね…… ARC004 A - 2点間距離の最大値 ( The longest distance )【AC】 このコードで提出したところMLEが出ました．メモリの使いすぎというエラーです．このようなエラーは初めて出たので困惑しましたが，これはこの問題が初期のコン…

概要 pythonコード 概要 以前この記事で hirohirohirohiros.hatenablog.com エラトステネスの篩は実装しました．しかし，以前のコンテストでこの関数では対応出来ない問題に当たりました． このエラトステネスのふるい関数はiが素数の時リストi番目がTrue，…

A - Adjacent Squares【AC】 場合分けしてO(1)で解くことも出来ますが，早解きでミス無く書くのは難しいので(1敗)H, W マスの数は最大でも100しかないので，全てのマスについて辺で隣接しているかチェックすれば良いです．チェックは問題文にある定義を使え…

hirohirohirohiros.hatenablog.com どんなもの？ 先行研究と比べどこが凄い？ 技術や手法のキモはどこ？ どうやって有効だと検証した？ 議論はある？ どんなもの？ 画像からその画像を説明している文章を予測するモデル．ゼロショット学習により未知の画像デ…

概要 まとめ 概要 論文を読む機会が増えたので，読んだ内容について落合洋一教授の論文まとめフォーマットに則ってまとめたいと思います． 先端技術とメディア表現1 #FTMA15 from Yoichi Ochiai www.slideshare.net まとめ

ABCの灰diffが全て埋まりました！次はARCを埋めていきます． ABC148 D - Brick Break【AC】 ぱっと見難しい問題に見えます．しかし，1,2,3...の順番さえ守っていれば，どのレンガを壊しても答えは変わらない事に気付けば簡単になります．今残す数字をkと記憶…

ABC120 C - Unification【AC】 無駄にテクニカルな解法で解いたけれど，解説でよりシンプルな方法に気付いたパターンです． cou[0]=赤色のボールの数，cou[1]=青色のボールの数とします．Sの左から順にボールを入れていき，ボールの数に合わせcouの値を上下…

3.1 3.2 3.3 3.4 ブーストラップ i) ii) iii) 3.1 pythonで散布図を記述する．なお，データ量が多いため先頭10個に省略して記述している． r=∑(xi−y¯¯¯)(yi−y¯¯¯)∑(xi−x¯¯¯)2−−−−−−−−−√∑(yi−y¯¯¯)2−−−−−−−−−√ 相関係数は定義から \begin{align}r = \frac{\di…

PD 実データでの分析 使用データの確認 モデルの学習と特徴量の重要度計算 PDの実装 PD PFIは特徴量をシャッフルすることで，その特徴量がどれほど予測値に影響を与えているのかを調べることが出来た．しかし，PFIは特徴量の重要度しか分からず，特徴量を上…

灰diff埋めは簡単な問題が多いためテンポ良く大量に解いていこうと思っていましたが初期の問題は意外に難しい問題が多く…… ABC086 C - Traveling【AC】 迷路の問題を解くように幅優先探索で解こうとすると，t=10^5もあるため間に合いません．この移動は同じ…

atcoder problemsを見て，灰diffで未ACの問題を解いていきます．灰diffは簡単な問題も多いので，一部を抜粋して ABC079 C - Train Ticket【AC】 見るからに冗長なコードになっているのが残念です． S = input() A, B, C, D = int(S[0]), int(S[1]), int(S[2]…

最近土日に用事が重なってリアルタイム参加出来てません…… A - Jogging【AC】 毎秒進むか停止するかを判断し，X秒までシミュレーションして進んだ距離が大きい方を表示します． A, B, C, D, E, F, X = map(int, input().split()) takahashi = 0 aoki = 0 for…

PFI LOCOFI GPFI 因果関係 PFIの実装と実データでの分析 使用データの確認 モデルの学習 PFIの実装 特徴量の重要度の表示 PFI 線形回帰なら回帰係数の大きさを見ることで特徴量の重要度を簡単に確認出来る．しかし，RandomForestなどの決定木モデルには回帰…

統計学入門 (基礎統計学Ⅰ) 東京大学出版会 Amazon まとめ 各章まとめ 第3章 第4章 第5章 第6章 第7章 第8章 第9章 第10章 第11章 第12章 まとめ 統計検定2級を取得しましたが，今一度統計の基礎をしっかり押えたいと思い本書の勉強を始めました．レビューな…

A - Lacked Number【AC】 not inと書くことで，含まれていないときTrueが返ってきます． N = input() for i in range(10): if str(i) not in N: print(i) break B - Slimes【AC】 ドラえもんのバイバインの回を知っていれば，たとえK=2でも一瞬で10^9を超え…

今までAtcoder Problemsを見て，一問もACしてないコンテストを選んでバーチャル参加してましたが，ついに今回でそのようなコンテストがなくなりました！次は灰diff, 茶diffを全て埋めます． A - Brick【AC】 割り算/という演算子だけでなく，//という演算子…

kaggleのように純粋に性能を求めるだけでなく，実務では意思決定者に対しモデルを説明する能力も必要だと感じ，この本を読むことにしました． 機械学習の解釈手法 解釈時の注意点 線形回帰モデルが持つ解釈性 特徴量と予測値の平均的な関係の解釈 特徴量と予…

ゼロから作るDeep Learning ❸ ―フレームワーク編作者:斎藤 康毅オライリー・ジャパンAmazon まとめ 各ステップまとめ 第1ステージ ステップ1~ステップ4 ステップ5~ステップ10 第2ステージ ステップ11~ステップ16 ステップ17~ステップ20 ステップ21~ステップ2…

A - Star【AC】 100で割った余りを求めることで，100から溢れた数を求めることが出来ます．これを100で引く事によって，あといくつで100に到達するかを求めることが出来ます． X = int(input()) print(100 - X%100) B - uNrEaDaBlE sTrInG【AC】 大文字判定…

hirohirohirohiros.hatenablog.com 前回のVGGに引き続き，dezeroでRNNとLSTMを実装します！ ステップ55, 56 RNN Truncated BPTT サイン波の予測 Truncated BPTTの効果検証 ステップ60 LSTM ステップ55, 56 RNN RNNは時系列データに対して効果を発揮するモデ…

A - Three Dice【AC】 ある面と反対側の面を足すと7になるので，a, b, cの反対側の数は7-a, 7-b, 7-cとなるので，その和は21-1-b-cとなります． a, b, c = map(int, input().split()) print(21-a-b-c) B - 180°【AC】 決まった文字列の変換は辞書を使うと簡…

hirohirohirohiros.hatenablog.com dezeroで遂に画像認識に長けたモデルであるCNNとその代表VGG16を実装します！ ステップ55, 56 CNNの復習 畳み込み演算 パディング 出力サイズの計算式 プーリング層 ステップ58 VGG16 ステップ55, 56 CNNの復習 CNNは画像…

E問題水diffでしたが，いけそうな雰囲気を感じたので頑張ってましたが解けませんでした……解法はほとんど合っていたので後は実装力を付けたいです． A - Move Right【AC】 左端は必ず0，その他は右端以外の文字列を結合すれば良いです． s = input() print("0…

hirohirohirohiros.hatenablog.com ステップ53 モデルの保存 ndarrayの保存と読み込み ステップ54 Dropout Direct DropoutとInverted Dropout ステップ53 モデルの保存 機械学習の学習には数時間以上かかる事がザラにあります．そのようなモデルを利用するた…