自分や家族が風邪ひいたり、雨や雪が降ったりとかであっという間に三週間ほど過ぎてしまったが、一日かけて耕した。

二年目の明日葉は新芽を摘んで天麩羅にして食べた。

あとは、石灰撒いて、肥料入れればいいかな。

藤田智の菜園スタートBOOK 春夏編 (生活実用シリーズ NHK趣味の園芸/やさいの時間)
藤田 智
日本放送出版協会 / ￥ 1,365 ()
在庫あり。

Pythonで書いたシンプソン積分をScalaでも書いてみたのだけどfor yieldで総和を求めるやり方が分からなかったので(RandomAccessSeq.Projectionとかいうのが出た)結局var変数で。

def simpson(f: Double => Double, a: Double, b: Double, n: Int): Double = {
  val h = (b - a)/n
  var sum = 0.0
  for (i <- 0 to n-1) {
    sum = sum + f(a+i*h) + 4.0 * f(a+i*h+h/2) + f(a+i*h+h)
  }
  sum * h / 6
}

def func(x: Double): Double = {
  1.0 / (1 + Math.pow(x,2))
}

実行

scala> simpson(func, 0, 1, 1000)
res24: Double = 0.7853981633974496

Int,Double,Floatとかの型の使い方もいまいちわかってないな。

Javaの課題丸投げで

をシンプソン積分で解けってのがあった。

def simpson(f,a,b,n=1000):
    h = float(b-a)/n
    return (h/6)*sum([f(a+i*h)+4*f(a+i*h+h/2)+f(a+i*h+h) for i in range(n)])

if __name__ == "__main__":
    print simpson(lambda x: 1.0/(1+x**2),0,1)

これをjythonで実行すればJavaの課題を解いたことになるのではないか？

Jythonプログラミング
西尾 泰和
毎日コミュニケーションズ / ￥ 3,150 ()
在庫あり。

4.2にちょっと感動。

ロジスティック回帰で出てくるオッズ比はまぁそんなもんなのかなとかいって天下り的に覚えてたんだけど。

クラス分類の事後確率から考えていくほうが僕にとっては自然だ。

2クラスの分類問題（活性ありなしとか）を考えると事後確率は以下の式で表される。

分子で割ると

但し、αは以下の式で表される。

これはロジスティックシグモイド関数となる。

パターン認識と機械学習 上 - ベイズ理論による統計的予測
C. M. ビショップ
シュプリンガー・ジャパン株式会社 / ￥ 6,825 ()
在庫あり。

biopythonで。

#!/usr/bin/env python
# -*- encoding:utf-8 -*-
# kzfm <kerolinq [AT] gmail.com>

def pm2bib(pm):
    author = "; ".join(pm['AU'])
    year = pm['DP'][0:4]
    bib = """@article{PMID:%s,
author = {%s},
title = {%s},
journal = {%s},
year = {%s},
volume = {%s},
number = {%s},
pages = {%s},
}
""" % (pm['PMID'],author,pm['TI'],pm['TA'],year,pm['VI'],pm.get('IP',""),pm['PG'])
    return bib

if __name__ == "__main__":

    from Bio import Entrez, Medline

    Entrez.email = "xxx@gmail.com"
    record = Entrez.read(Entrez.esearch(db="pubmed",term="biopython"))
    idlist = record["IdList"]
    records = Medline.parse(Entrez.efetch(db="pubmed",id=idlist,rettype="medline",retmode="text"))

    for record in records:
        print pm2bib(record)

適当に用意したtex

\documentclass{jarticle}
\begin{document}
\bibliographystyle{plain}
「お互いの犬\cite{PMID:20015970}の写真\cite{PMID:19811691}を撮り合い、帰ったらその写真\cite{PMID:19773334}
を自分のブログ\cite{PMID:19304878}にＵＰして紹介\cite{PMID:18606172}
し、お互いのブログにお礼コメント\cite{PMID:16403221}をするというのが暗黙のルール\cite{PMID:16377612}です。」

X06HT予約しにいったら、携帯電話が妻名義\cite{PMID:14871861}だったので予約出来なかった。
あと名義変更に一日かかるからあと二回いかないと予約出来ない\cite{PMID:14630660}
という衝撃の事実を聞かされた。多分、アンドロイドへの何か\cite{PMID:12230038}
が試されているんだろう。

\bibliography{test}
\end{document}

できたpdf

パターン認識と機械学習を読み直していて今4章。

図4.7のパーセプトロンのイメージが大変わかりやすいことに気づいて感激したのであった。

パターン認識と機械学習 上 - ベイズ理論による統計的予測
C. M. ビショップ
シュプリンガー・ジャパン株式会社 / ?円 ( 2007-12-10 )

いまは、Pinheiroを読むのに苦労している。

Mixed-Effects Models in S and S-PLUS (Statistics and Computing)
José Pinheiro
Springer / 2859円 ( 2009-04-15 )

これをきちんと理解しないと、PK-PDが進まないんだよな。

Pharmacokinetic-Pharmacodynamic Modeling And Simulation
Peter L., Ph.D. Bonate
Springer / 7596円 ( 2005-11 )

余計な変数多いな。

public class SkiFriction {

    public int bestPosition(String sF, String pF) {
        int sFl = sF.length();
        int pFl = pF.length();
        if(sFl >= pFl) return 0;
        int result = 0;
        for(int i=0;i<pFl-sFl;i++) {
            int lmax = 0;
            for(int j=0;j<sFl;j++){
                int k = sF.charAt(j) - '0'+ pF.charAt(i+j) - '0';
                if(k>lmax) lmax = k;
            }
            result += lmax;
        }
        return result;
    }    
}

数字の比較はMath.max使えばいいのか

純米おりがらみ

微発泡なので、シュワシュワ感がある。

最近、燗つける病が再発してたのだけど、楽しく飲めた。でも、僕の求める方向ではないかも。

reverseってメソッドはないのかな？ 両方ソートして、一方は先頭から他方は後ろから掛けてsumを求めた。

import java.util.*;

public class RoyalTreasurer {

    public int minimalArrangement(int[] A, int[] B) {
    java.util.Arrays.sort(A);
    java.util.Arrays.sort(B);
    int result = 0;
    for(int i=0;i<A.length;i++)
        {
        result += A[i] * B[A.length - i -1];
        }

    return result;
    }   
}

• SRM433 DIV2 250

nlmeを使いこなすために。

Mixed-Effects Models in S and S-PLUS (Statistics and Computing)
José Pinheiro,Douglas Bates
Springer / ￥ 5,742 ()
在庫あり。

• fixed effects:平均に影響を及ぼす
• random effects:分散に影響を及ぼす

ergoStoolのサンプルを。

residual plot(p.21)

• 全ての効果に対する因子はanovaで評価する必要がある
• the mean response across the population would be zero.