学生の備忘録なブログ

日々のことを忘れないためのブログです。一日一成果物も目標。

paizaを始めた

paizaを始めた

B055:タクシー料金を解き、Bランクとなった。

ITエンジニア専門の転職サイト【paiza転職】

Sになるのが目標である。

解くのが遅いと感じた。

問題を見たとき、それほど難しく感じなかった。事実難しくなかった。

しかし解き終わってみると、55分かかっていた。

これはどうしたことだろう。

結論

こなれていない。圧倒的に。

標準入力をちょうどよい形で持つコードを数行書くまでに時間がかかりすぎているのだと思う。

それ以外にも省略できる時間があるはずだが、今は思いつかない。

paizaに期待すること

正直就活したくない、あるいは就活でのアピールになったらいいかな。

でも自分がBランクであるというのが悔しくて早く上に行きたくてもどかしい。これは楽しんでいるということなんだと思う。

グリッドサーチ

from sklearn.svm import SVC
from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, random_state=0)
print("Size of training set: {}   size of test set: {}".format(X_train.shape[0], X_test.shape[0]))

best_score = 0

for gamma in [0.001, 0.01, 0.1, 1, 10, 100]:
    for C in [0.001, 0.01, 0.1, 1, 10, 100]:
        svm = SVC(gamma=gamma, C=C)
        svm.fit(X_train, y_train)
        score = svm.score(X_test, y_test)

        if score > best_score:
            best_score = score
            best_parameters = {'C': C, 'gamma': gamma}

print("Best score: {:.2f}".format(best_score))
print("Best parameters: {}".format(best_parameters))

パラメータの過剰適合の危険性と検証セット

  • 過剰適合を防ぐために,データを以下のように分ける.
  • 訓練セット(train): モデルを構築するために用いる
  • 検証セット(valid): モデルのパラメータを選択するために用いる
  • テストセット(test): 選択したパラメータの性能を評価するために用いる

交差検証を用いたグリッドサーチ


from sklearn.model_selection import cross_val_score
import numpy as np

for gamma in [0.001, 0.01, 0.1, 1, 10, 100]:
    for C in [0.001, 0.01, 0.1, 1, 10, 100]:
        svm = SVC(gamma=gamma, C=C)
        scores = cross_val_score(svm, X_trainval, y_trainval, cv=5)
        score = np.mean(scores)

        if score > best_score:
            best_score = score
            best_parameters = {'C': C, 'gamma': gamma}

svm = SVC(**best_parameters)
svm.fit(X_trainval, y_trainval)

参考

pythonで始める機械学習

https://github.com/kajyuuen/IntroductionToMachineLearningWithPython/blob/master/ch05/grid-search.ipynb

グリッドサーチ

from sklearn.svm import SVC
from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, random_state=0)
print("Size of training set: {}   size of test set: {}".format(X_train.shape[0], X_test.shape[0]))

best_score = 0

for gamma in [0.001, 0.01, 0.1, 1, 10, 100]:
    for C in [0.001, 0.01, 0.1, 1, 10, 100]:
        svm = SVC(gamma=gamma, C=C)
        svm.fit(X_train, y_train)
        score = svm.score(X_test, y_test)

        if score > best_score:
            best_score = score
            best_parameters = {'C': C, 'gamma': gamma}

print("Best score: {:.2f}".format(best_score))
print("Best parameters: {}".format(best_parameters))

参考

pythonで始める機械学習

https://github.com/kajyuuen/IntroductionToMachineLearningWithPython/blob/master/ch05/grid-search.ipynb

グリッドサーチ

from sklearn.svm import SVC
from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, random_state=0)
print("Size of training set: {}   size of test set: {}".format(X_train.shape[0], X_test.shape[0]))

best_score = 0

for gamma in [0.001, 0.01, 0.1, 1, 10, 100]:
    for C in [0.001, 0.01, 0.1, 1, 10, 100]:
        svm = SVC(gamma=gamma, C=C)
        svm.fit(X_train, y_train)
        score = svm.score(X_test, y_test)

        if score > best_score:
            best_score = score
            best_parameters = {'C': C, 'gamma': gamma}

print("Best score: {:.2f}".format(best_score))
print("Best parameters: {}".format(best_parameters))

pythonでファイルから文字列を読み込む

pythonでファイルから文字列を読み込む

  • スペース区切りの単語が入ったファイルから読み込みリストへ格納する
with open(file, "r") as fh:
    words_lst = fh.read().rstrip().split(" ")
  • 簡潔にかけてかっこいい

pythonエラー "local variable ‘x’ referenced before assignment"

これはなんだ

"local variable ‘x’ referenced before assignment"

意訳「ローカル変数"x"は代入前に参照されている」

グローバル変数、ローカル変数を意識しないとこうなる。

Pythonではグローバル変数とローカル変数をあとから変更することができない。

よって、大域で定義しておいた変数を関数内で参照したりすると、関数内のスコープでは大域での定義や代入を認識しないのでこのようなエラーが出る。

解決策

スコープの中、例えば関数内で定義し直す。

業務日誌をgoogle driveに残す~Gdrive~

目的

研究日誌と研究時間を残したい。 以下のような条件で残したい。

  • google drive に.txtで残したい
  • 作業時間も残したい
  • 手元のエディタで編集して、uploadしたい

方法

gdriveを使う

gdrive gdriveはgoogledrive周りをCLIで実行できる。

gdriveの使い方

インストール

brew install gdrive

google drive のIDをURLから抜き出す

tokenがdriveのURLに埋め込まれている。 upload先のdriveのフォルダをブラウザで開いて、"drive.google.com/path/to/file/folders/hogehogehoge"というURLの最後を抜き出してくる。

uploadする

gdrive upload {ファイル名} -p {ID}

注意点

同じファイルをuploadコマンドでアップロードすると、別ファイルとして認識される。

shell script

uploadを自動化したい。shellscriptを書けば、時間指定で実行すれば、自動でuploadされる。今回は自動化まではしない。

#!/bin/sh
 
# ファイルパス(google drive のフォルダurlの最後がid)
ID=hoge
# 日付
DATE=`date "+%Y-%m-%d"`


# アップロード
# 引数をファイル名で取る
# 引数がない場合、当日の日誌をuploadする
if [$# -ne 1];then
    
# ファイルがない場合、作成する事もできるが、作成はしない。
if [ -e ${DATE}.txt ];then
gdrive upload ${DATE}.txt -p ${ID} 
fi
exit 1
else # 引数をuploadする
gdrive upload $1 -p ${ID}
fi

exit 0

結論

gdiveはディレクトリごと同期するsyncコマンドがある。これをローカルが優先する設定にすれば、ローカルの変更がdriveに反映される。 今回はシンプルなuploadオプションを使った。

CLIを使うことで、Emacsで日誌を書いてdriveにuploadして、ということがシームレスにできるようになった。