00:01
おはようございます。2024年3月5日、火曜日の朝です。
なんかまた寒くなってきました? ちょっと寒くて、今はあの
ヒーターをつけて収録してるんですけど、 土曜日、金曜日からなんかまた雪が降るとかいう
予報になってますよね。 ちょっとやめてもらいたいですよね。
花粉が飛ばないというか、落ちるのはいいことなんですけど。 さすがに3月に雪はちょっと嫌ですね。
昨日は何をしてたかというと、会社で面談がいくつかありましたね。
いろいろと面白い話ができてよかったなと思いました。
普段は部門の人とかと話をする機会は多いんですけど、隣の部門のエンジニアと話をする機会とかはそんなに多くないというか、もうちょっと意識的に作ったほうがいいんだろうなと思うんですけど、そんな多くないので。
昨日は2人と面談したんですが、どちらも別の部署というかの人だったので、非常に普段聞けないような話とか、ちょっと専門領域も自分とは違うところにある人たちだったので、いろいろ楽しく話ができたなと思います。
今日の講演日記では何をしようかというと、開封講演日記ですか、Amazonの新生活セールっていうのを今やってるんですけど、それで買ったものが届いたので、それを開封していこうと思います。
開封動画っていうのがあるんですけど、開封音声っていうのはないのではと思って、意味がないからないんですけど、ちょっと気になるものを買ったので、それを開けていこうと思います。
何を買ったかというと、ゲームパッドをですね、パソコン用の、本当はXbox用なんですけど、パソコンでも使えるゲームコントローラーを買いました。
買ったものがHyperX Clutch Graduateっていうやつです。HyperXっていうゲーミングデバイスのブランドのゲームパッドをですね、これが有線接続のものです。
何で買ったかというと、それまで別のちょっと安いゲームパッドを使ってたんですけど、これ買ったのが多分4年前くらいで、今のデスクトップPCと同じ時期に多分買ったんですけど、アナログパッドが最近のコントローラーで付いてると思うんですけど、
03:17
あそこのゴムがもう朽ちてきて、ポロポロ取れるようになってしまって、さすがにこれはプレイに支障が出るということで、新しいコントローラーを買いました。
最近ゲームパッド高いんですよね。ザラに1万円超えとかもあって、それだけ機能が良いんでしょうけど、さすがにそんなの買う気もあまり起きなかったので、この前秋葉原に行ったときにゲームパッドを見てきてたんですよね。
結構触り心地悪くないなと思ったので、これを買いました。だいたいセールで4000円台くらいでしたかね、確か。
じゃあちょっと開けていこうと思います。開けていこうと思いますと5つ、半分くらい開いてるんですけど、今マイクに触っちゃったんで、ビーンっていうのが入ってますか。
開けていきます。開きましたね。中身は説明書が1枚ですね。本体が入ってますと、本体とあとはケーブルですね。
有線接続なんですけど、ケーブルが着脱式なんですよね。これいいなと思って、普通のゲームコントローラーってコントローラーから直接この線が出てるんですけど、着脱式で使わないときは線を外しておけるんですよね。それいいなと思いました。
今開けてきたんですけど、いいですね。触り心地も悪くないですし、ボタンの感じとかもいいんじゃないでしょうか。安いゲームパッドだとどうしてもボタンの押せ心地がちょっと変だったり、引っかかりがあったりするんですけど、悪くないんじゃないですか。
ちょっと十字キーが小さめですかね。アナログスティックも触ったときちょっと小さめだなと思ったんですけど、最近はこのサイズなんですかね、どれも。十字キーちっちゃい気がしますね。最近はこんなもんですか。
というわけで開けてみました。特徴としては背面にボタンが2つあるんですよね。前使ってたやつは背面に4つのボタンがあるタイプのやつだったんですけど、今回は1つですかね。
1つあって、これが一応プログラマブルスイッチになってるんですかね。別のボタン割り当てたり、真っ黒ってほどのものは多分組めないと思いますけど、そういうのができるようになってるはずですね。いいんじゃないでしょうか。普通に使えそうです。
06:21
というわけで、今日はジェームファットの開封をしました。もう一つ話さなきゃいけないことがあって、ちゃんと勉強しました。次検定。次検定の勉強をしています。
今はディープラーニングのところを振り返って、そこから勉強し直しています。
昨日やったのは、正解の指標というか、学習がうまくいってるかどうかを評価するための指標ってどういうものがあるかっていうのを振り返っていました。
これはよく、例えば機械学習系の施策をやろうとしたときに、それがうまくいってるかどうかみたいなのをどうやって評価するかっていうときに使われる指標ですね。
その辺をやってました。ちょっと説明すると、自分の理解を深めるために説明すると、今回分類問題を対象にしましょうと。
分類問題を対象としたときに、何がいいですかね。カレーとひらめんにしましょうか。カレーとひらめんの写真をそれぞれ正しく判定したいというときに、その判定器を作りましたと機械学習で。
これがうまく判定できるかどうかを評価するというときに、いくつかの指標があるんですよね。
一番想像しやすいのは、正解率って呼ばれてるアキュラシーって呼ぶんですかね。ひらめんはひらめんって判定されて、カレーはカレーって判定された割合を出すっていうやつです。
これが多分一番皆さんが想像する正当率、評価軸なのかなと思うんですけど、他にもいくつかあって、どういう軸があるかというと、まず判定させる対象っていうのを固定したときにどういう答えが出るかっていうふうに自分は理解したものがありますと。
だから、ひらめんの写真をひたすら見せた中で、ちゃんとひらめんって答えた割合。カレーって答えちゃったものもそこには多分含まれていたときに、ひらめんだけを見せたときにひらめんってちゃんと答えた割合。
09:00
これが再現率ですか。リコールってよく言われてるやつですよね。よく言われてるんじゃなくてリコールって言われてるやつ。これが再現率ってやつです。もう一つは逆の軸ですよね。ひらめんって判定したものの中から本当にひらめんだったものの割合。カレーもひらめんって判定しちゃうことがあるから、ひらめんって判定したもののうちのひらめんの割合はいくつですかっていうやつ。
これが多分適合率、プレシジョンってやつですよね。両方正解だったパターンと正解、片方ひらめんっていったうちの中のひらめんだった割合とひらめんを見せた数のうちのひらめんっていった割合。これの三つの指標があるから、それぞれ使って評価するとより正しい評価指標になるっていう感じっぽいですよね。
なんでそういうのがいるかっていうと、対象のテストデータがバランスよくあればいいですよね。だからひらめとカレーの写真が50%ずつを判定させるとするとうまくいくんですけど、仮にひらめが90%でカレーが10%みたいなときに、
単にひらめって答える割合だけを見ていくと、全部ひらめっていったほうが正解率が90%なんですよね。だから学習の過程の中で全部ひらめっていったほうが得じゃんみたいなのが学習されてしまうと、全部ひらめっていったほうがいいってなって、
そうなると単に正解率だけを見たときには正しく評価できないことがあるっていうのが言われていて、確かにそういうことだなと思った次第ですね。ちょっと今日はいろいろと話したいことがあったので長くなってしまったんですが、これで終わりにしようと思います。
10分ですか。開封やめとけばよかったですね。開封すごいいらなかったと思うので、ちょっと次回からの反省にしようと思います。それでは終わります。また朝会いましょう。バイバイ。
