21072014 Snorkeling
7/19から海水浴場がオープンしたので早速井田に潜りに行ってきた。
西浦のらららは怖過ぎて撮影できないｗ あそこに行くくらいならもうちょっと遠征して江梨とかのんびりしたところがあると思うけどなぜあんな混むところに行きたがるのだろうか…？
途中の大瀬崎。そこそこ入っている感じでした。
井田は気温29度海水温24度ということだったが、水温は24度なかったはず（冷たかったｗ）
ふぐとかカワハギとかベラとかまぁ色々いて癒やされたが、水温低いと体力の消耗が激しいですね。もう少し経てば水温があがって快適に潜れるのではないかと。
尚、耳抜きがうまく出来なくてちょっと課題を残した1日であった。
井田はまったり出来ていいですね。それからフィンの威力を思い知った。
mewを履いています☆
20072014 chemoinformatics work
とても勉強になって参加して良かったなと。また今後のキャリアを色々と考えないとなーという話を沢山聞いた。ホント、そろそろどうするかちゃんとしないとなぁと思った。
それから、初めてChemRubyの作者の方とお話出来て良かったです（よく考えるとあたりまえだけどbonohuさんの知り合いだったｗ)
前回の勉強会のアンケートも揃ったし、次回を三島バルにぶつけるなら、お盆前に反省会と次回のテーマ決めを兼ねてやごみか鈴木屋に集まらないといけませんね☆
p.s.
bgは統合TVのスライドをslideshareにアップロードしておいて下さい
17072014 drum'n'bass
仕掛けが早くて美濃に囲えなかった。しょうがないのでカニカニ銀みたいに銀を出していこうかなと考えたがやっぱりやめた。居玉なんてbg7860みたいじゃないか…ｗ
潰されなかったので良かったけど。
自分でも石田流を少し指してみたい。
後は将棋始めた時に読んでさっぱり分からなかった四間飛車を指しこなす本を再度読んだら面白くてこればかり読んでいる。
08072014 chemoinformatics Python
K-meansのように予めクラスタ数を指定すると、「そのクラスタ数は正しいの？」っていう疑問が浮かぶと思う。
「なんらかの統計値に基づいて適切なクラスタに分割して欲しい」そんな願いを叶えるのがAffinity Propagationというクラスタリングアルゴリズムである
exemplara(セントロイドとかクラスタ中心)になるべきパラメータ(responsibility)とクラスタメンバに属しやすさ(availability)を交互に更新していって収束させる手法なので、K-meansのような初期値依存性がないらしい。
クラスタ数は類似度行列の対角要素（自分との類似度）に依存する（デフォルトはmedian）のでここを変更するとクラスタ数も変わるんだけどね。
Scikit-learnではAffinity Propagationが実装されているのでsykのケミストリースペースを作ってクラスタリングしてみた。ちなみにスライドのPCAの説明は間違っていた（pca.fit(fps).transform(fps)としなければいけなかった）。
from rdkit import Chem from rdkit.Chem import AllChem, DataStructs from sklearn.decomposition import PCA from sklearn.cluster import AffinityPropagation from ggplot import * import numpy as np import pandas as pd suppl = Chem.SDMolSupplier('syk.sdf') fps = [] for mol in suppl: fp = AllChem.GetMorganFingerprintAsBitVect(mol, 2) arr = np.zeros((1,)) DataStructs.ConvertToNumpyArray(fp, arr) fps.append(arr) print len(fps) pca = PCA(n_components=2) x = pca.fit(fps).transform(fps) af = AffinityPropagation().fit(x) d = pd.DataFrame(x) d.columns = ["PCA1", "PCA2"] d["labels"] = pd.Series(af.labels_) g = ggplot(aes(x="PCA1", y="PCA2", color="labels"), data=d) + geom_point() + xlab("PCA1") + ylab("PCA2") ggsave("ap.png", g)
06072014 三島 chemoinformatics
発表者の方、参加者の方お疲れ様でした。
RedmineのLTのは生々しいのでpandasの話だけslideshareにあげてあります。
今回新しく試したことはQuestantを使ったアンケートを用意したことかな。あと、一次会の予約が通ってなくて（あの店はあるあるなので気にしないｗ）ちょっと狭い部屋になったけど、懇親の密度があがって結果オーライですね(二次会の分くらいまで飲んでたしｗ)
次回もよろしくお願いします☆
三島バルあたりにぶつけられればと考えていますｗ
03072014 chemoinformatics Python
homebrewのRDKit入れたらこんなエラーに遭遇
$ python mkdesc.py Fatal Python error: PyThreadState_Get: no current thread Abort trap: 6
brew rm boost brew install --with-icu --build-from-source boost brew uninstall rdkit brew install rdkit
で動くようになったけど brew installで再度boostのインストールを始めたので２番目のboostのインストールは必要ないかもしれない
30062014 life
土曜日の資料を作りつつggplotの時系列データがないなーと思っていたらSimple DietはGoogle Driveにデータをエクスポート出来ることを思い出して早速使ってみた。
loessのフィッテイングだとこれ以上は体重は減らないように見える（というより20歳以後もっとも体重が減ったｗ）
というわけでSimple Dietで記録したら痩せましたという話です。
定量的なフィードバックが得られるので、どのくらい食べると増加傾向（減少傾向）になるというのが理解でき、自分の意志で食べる量をコントロールできるようになって無理なく痩せられたので自分には合った方法だった。
import pandas as pd from ggplot import * import numpy as np d = pd.read_csv("SimpleWeight.csv", parse_dates=[0]) d['nw'] = d['Weight'] / **** p = ggplot(aes(x='Date', y='nw'), data=d) + \ geom_point(color='lightblue') + \ stat_smooth(span=.15, color='black', se=True) + \ ggtitle("Simple Diet") + \ xlab("Date") + \ ylab("Weight") ggsave("weight.png", p)
30062014 chemoinformatics Python
ChEMBLからデータを取ってきて、活性が強いほど色が濃くなってドットのサイズも大きくなるようにしてみた。python-ggplotを使うと数行で描くことができるので調子いいですみたいな話をします。
あとはscikit-learnとrdkitで予測モデルを作ったりクラスタリングをしたりといった話もできればなーと考えているので、 興味があれば参加して下さい。
import pandas as pd from ggplot import * import numpy as np d = pd.read_csv("syk.csv") d["pIC50"] = 9 - np.log10(d["IC50"]) print d p = ggplot(aes(x='MWT', y='ALOGP', color="pIC50", size="pIC50"), data=d) + geom_point() #print p ggsave("2dplot.png", p)
MEW FIN ミューフィン (ホワイト) (MS)
Life Cycle
久保の石田流
よくわかる石田流
四間飛車を指しこなす本〈1〉 (最強将棋塾)
Pythonによるデータ分析入門 ―NumPy、pandasを使ったデータ処理
初段に勝つ矢倉戦法 (将棋必勝シリーズ)