リレーショナルデータベースが話題に挙がるとき、私は何かが足りないと思わずにはいられません。データベースはあらゆるところで使われており、その種類も、小規模で便利なSQLiteからパワフルなTeradataまで様々です。しかし、それがどういう仕組みで機能しているかを説明したものとなると、その数はごくわずかではないでしょうか。例えば「リレーショナルデータベース 仕組み」などで検索してみてください。ヒット数の少なさを実感できると思います。さらにそれらの記事は短いものがほとんどです。逆に、近年流行している技術（ビッグデータ、NoSQL、JavaScriptなど）を検索した場合、それらの機能を詳しく説明した記事はたくさん見つかると思います。 リレーショナルデータベースは、もはや大学の授業や研究論文、専門書などでしか扱われないような古くて退屈な技術なのでしょうか？ 私は開発者として、理解していないものを
フィッシャー–イェーツのシャッフル (英: Fisher–Yates shuffle) は、有限集合からランダムな順列を生成するアルゴリズムである。言い換えると、有限列をランダムな別の（シャッフルされた）順序の有限列に並べ直す方法である。この名前はロナルド・フィッシャーおよびフランク・イェーツから名付けられた。また、クヌースのシャッフル(ドナルド・クヌースから)とも呼ばれる。フィッシャー–イェーツのシャッフルは、全ての順列の組み合わせが等しく存在しうるため、偏りがない。このアルゴリズムの改良されたバージョンはさらに効果的であり、処理時間はシャッフルされる要素数に比例するのみで、余分な時間はかからず、また追加の保持領域を必要としない。フィッシャー–イェーツのシャッフルの派生にサットロのアルゴリズムがあり、こちらは長さ n のランダムな円順列（英語版）を生成する。 フィッシャー–イェーツのシャ
ransackとは ransackはモデルの検索インターフェースを簡単に作れるgemです。それにより検索機能を簡単に実装できます。 商品の検索機能をステップステップで作成することにより、ransackの使い方を説明していきます。 次のように検索フォームを作成し、検索をすることができます。 動作確認 Mac OSX 10.9 Rails 4.1 Ransack 1.4.1 目次 Railsプロジェクトの作成 Ransackのインストール Ransackで検索機能と検索フォームを作成 Ransackでテーブルのソートリンク Ransackで検索条件を絞る 1. Railsプロジェクトの作成まずは、Railsプロジェクトを作成します。 rails new ransack_test cd ransack_testScaffoldで商品を作成します。 rails g scaffold Product
RANSACを調べてみました
パラメータのロバスト推定によく使用されているというRANSAC。 コンピュータビジョンの本にもところどころ出てきていますが、 どんなものなのかははっきりわかっていませんでした。 というわけで、色々と調査してみました。 Czech Technica大学の教材のPDFやおべんきょうWikiを見て調べたところ、 RANSACのアルゴリズムは、下記のようになっていました。 １．総データ個数がU個あるデータから、ランダムでn個のデータを取り出します。 ２．取り出したn個のデータから、パラメータを求めます。 （取り出すデータの個数ですが、これは求めるべきパラメータの数に比例するようです) ３．求めたパラメータを、総データ点数から取り出したn個のデータを除いたものに式を当てはめ、 観測されたデータと２．で求めたパラメータの誤差を計算します。 ４．誤差が許容範囲内であれば、パラメータに対して投票を行います
三行で 自然界のデータにはたくさんノイズがある ノイズがあると、法則性をうまく見つけられないことがある そんなノイズをうまく無視するのがRANSAC こんにちは。今日は大学院でやっているの情報学に関するネタをお送りします。 先日ふと、「そういえばちゃんと勉強したことがなかったなぁ」と思い立ったので、RANSACを勉強 & 実装してみました。 RANSACとは 大学院の研究で画像などの自然界のデータをとっていると、ノイズなどの原因で法則性から大きく外れて現れた「外れ値」がデータ中に含まれることがあります。外れ値は、データから法則性を見出す時に邪魔をします。そんな時に、外れ値をうまく無視して法則性(パラメータ)を推定をする手法がRANSACです。 ...なんて概念の話では分かりにくいので、具体例を見てみましょう。以下、法則性を「モデル」と読み替えます。 直線のモデル推定 与えられた点群から、そ
研究で必要になったから調べてみた 観測したデータから最小二乗法などでモデルを推定する際に、観測したデータに外れ値が混じっていた場合、推定したモデルは外れ値に引っ張られてしまいます。そこで、RANSACアルゴリズムを利用することで、外れ値を無視したモデルの推定を行うことが出来ます RANSACアルゴリズム 1.観測データ群からランダムに幾つかのデータを取り出す 2.取り出したデータを用いてモデルを推定 3.推定したモデルに対して、観測データ群を適用し、モデルを評価する 4.1～3を複数回行い、一番評価が高いモデルを採用 意外とシンプルなアルゴリズムです。 実験 今回は、直線のモデルを最小二乗法で推定します。 直線のモデルなんで、 のaとbの部分を推定します。 今回は正解のモデルを っぽい直線としました。 正解データは (1- rand() / 10) * x また外れ値は rand(0.0.
世界中のあらゆる情報を検索するためのツールを提供しています。さまざまな検索機能を活用して、お探しの情報を見つけてください。
Python (31) Ubuntu (15) Android (14) Diary (6) JavaScript (4) Liquid (4) Tumblr (4) IS01 (3) Nightingale (3) SQLite3 (3) cchardet (3) BeautifulSoup (2) C++ (2) Firefox (2) GoogleChrome (2) Linux (2) MongoDB (2) SSH (2) Server (2) Twitter (2) golang (2) nginx (2) watchdog (2) 備忘録 (2) 生活 (2) 雑 (2) AngularJS (1) Audio (1) CSS (1) Chrome (1) Chrome Extension API (1) Cython (1) DOM (1) DiCE (1) EASEUS
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
