Pythonのパッケージ設定ファイルpyproject.tomlに記載されたPythonのパッケージを、パッケージ管理システムpipでインストールする方法を解説します。
pyproject.tomlからpip installコマンドでPythonのライブラリをインストールする
Pythonのパッケージ設定ファイルpyproject.tomlに記載されたPythonのパッケージを、パッケージ管理システムpipでインストールする方法を解説します。
PythonでPylintを使用したときに表示されるリファクタリングメッセージR1721(不要な内包表記)を抑制する方法を解説します。
Pythonの統合開発環境Spyderのプラグインを無効化して、起動を高速化する方法を説明します。
【Python】PylintのW0611 (unused-import) などのメッセージを抑制する
Pythonのコード分析ツールPylintから出力されるメッセージを抑制する方法について、W0611 (unused-import)警告を例に解説します。
Pythonで作成したコードのクラス図を、Pyreverseを使って自動生成する方法を解説します。
pytestを実行するためのPythonパッケージのディレクトリ構成
Pythonでパッケージを作成するとき、pytestによる自動テストに向いたディレクトリ構成をサンプルと合わせて解説します。
conda環境ではなくpip環境にspyderをインストールする【Windows環境】
AnacondaやMinicondaなどのconda環境を使用せずに、pipのみの環境でPythonの統合開発環境Spyderを使用できるようにします。
pytestとpytest-htmlを使って、Pythonコードのテスト結果をHTML形式で保存します。
pytestによる基本的なテストの実行方法と、複数のテストケースを記述する方法を解説します。
非線形問題を解くことができる最適化ソルバIPOPTの主要オプションについて解説します。
Matplotlibのグラフ作成や設定をまとめたサイト「Pythonグラフ入門」を公開しました。
CasADiのOptiスタックでcallback関数を使って解の推移を取得する
最適化フレームワークCasADiのOptiスタックでcallback関数を使って、最適化ソルバの各反復における解の推移を取得する方法をまとめました。
sftpコマンドを使ったファイル転送や、ディレクトリ関連の操作に関する方法をまとめました。
最適化フレームワークCasADiのOptiスタックで、多変数の最適化を簡潔に記述するため、変数と制約をベクトル化する方法をまとめました。
静的サイトジェネレータHugoのコマンドチートシートです。
JupyterLab, Jupyter Notebookを任意のディレクトリで起動する【Windows環境】
JupyterLabまたはJupyter Notebookを任意のディレクトリで起動する方法を説明します。Windows環境でAnaconda PowerShell Promptを使用します。
2次元極座標系における衛星・惑星の軌道をPythonでシミュレートする
2次元極座標系における運動方程式、および円軌道とモルニア軌道(楕円軌道)のシミュレーションを行うPythonコードを示します。
数理最適化モデルの要素をクラスとして実装するプラクティス【Pyomo編】
複数の要素から構成される最適化モデルを最適化ライブラリPyomoで実装するとき、コードを再利用しやすくするため、各要素をクラスとして実装する方法を検討しました。
数理最適化モデルの要素をクラスとして実装するプラクティス【CasADi+Python編】
複数の要素から構成される最適化モデルを最適化ライブラリCasADiとPythonで実装するとき、コードを再利用しやすくするため、各要素をクラスとして実装する方法を検討しました。
「FIRE成功率シミュレータ」をリリースしました。サイトの概要と、使用した技術についてまとめています。
最適化ライブラリCasADiにおいて行列を扱うSX, MX, DMクラスの違いをまとめました。
Scikit-learnのGridSearchCVクラスによるグリッドサーチ
Scikit-learnのGridSearchCVクラスによるグリッドサーチを解説します。
Scikit-learnのStratifiedKFoldクラスによる交差検証
Scikit-learnのStratifiedKFoldクラスによる交差検証を解説します。
SciPyのlinkageメソッドによる凝集型クラスタリング
SciPyのlinkageメソッドによる凝集型クラスタリングについて解説します。
Scikit-learnのDBSCANクラスによるクラスタリング
Scikit-learnのDBSCANクラスを用いたクラスタリングを解説します。
Scikit-learnのKMeansクラスによるクラスタリング
Scikit-learnのKMeansクラスを用いたクラスタリングを解説します。
回帰モデルの評価指標としてよく用いられるMAE, RMSE, MAPE, RMSPEについて解説します。
Scikit-learnのElasticNetクラスによるElastic Net
Scikit-learnのElasticNetクラスによるElastic Netについて解説します。
Scikit-learnのLassoクラスによるラッソ回帰について解説します。
Scikit-learnのRidgeクラスによるリッジ回帰について解説します。
Scikit-learnのLinearRegressionクラスによる線形回帰
Scikit-learnのLinearRegressionクラスによる線形回帰について解説します。
分類モデルの評価指標としてよく用いられる、混同行列、F値、ROC曲線、AUCについて解説します。
Scikit-learnのSVCクラスによるサポートベクターマシン
サポートベクターマシン (SVM, support vector machine) は分類アルゴリズムの1つです。SVMは線形・非線形な分類のどちらも扱うことができます。また、構造が複雑な中規模以下のデータの分類に適しています。
Scikit-learnのDecisionTreeClassifierクラスによる分類木
分類木 (classification tree) は、分析したデータが属するカテゴリー(クラス)を予測する分類アルゴリズムの1つです。分類木では、Yes/Noによる分岐を何度か繰り返して、分類の予測を返します。
Pythonの最適化モデリングツールPyomoで、混合整数非線形最適化 (MINLP) ソルバSCIPを利用する方法をまとめました。
CVaR (Conditional Value at Risk) によるリスクを評価したポートフォリオ最適化手法について、"Optimization Methods in Finance"を読んで勉強した内容をまとめました。
Cloudflare Pages上でSphinxサイトを自動デプロイする
静的サイトホスティングサービスのCloudflare Pages上でドキュメント生成ツールSphinxを自動デプロイする手順を備忘録としてまとめました。
等式制約あり最適化問題を扱う拡張ラグランジュ法をPythonで実装しました。
PythonとCasADiを使ったDirect Multiple Shooting法による最適制御
Pythonと最適化ライブラリCasADiを使って、Direct Multiple Shooting法と呼ばれる手法によって最適制御問題を解きました。
Visual Studioでターゲットフレームワークがインストールされていないときの対処法
Visual Studioで「プロジェクトのターゲットフレームワークがインストールされていません」というエラーが表示された場合の対処法を解説します。
Sphinxでサイト構造を示すサイトマップ (sitemap.xml) を作成する方法をまとめました。
Pythonのclassmethodとstaticmethodの使い分け
Pythonのクラスにおいて、インスタンスメソッドとクラスメソッド (classmethod), スタティックメソッド (staticmethod) を使い分ける方法をまとめました。
Matplotlibでグラフの軸の目盛りを整数にするには、MaxNLocatorクラスを使用します。
Gitで過去のブランチからコミットを切るには、git checkout -b <新しいブランチ名> <コミットのハッシュ> を実行します。
git resetコマンドを使って、ローカルリポジトリを過去のコミットに一時的に戻す方法を解説します。
Pythonの最適化モデリングツールPyomoで利用できる無償の数理最適化ソルバと、その導入方法をまとめました。
Pythonの最適化モデリングツールであるPyomoで、最適化モデルに定義された変数や制約、目的関数の数を取得するには、nvariables(), nconstraints(), nobjectives()メソッドを用います。
Sphinxで生成するHTMLにSNSシェア用のOGPタグを設定する
Sphinxで生成する記事のHTMLに、SNSで詳細情報を伝えるためのOGP (Open Graph Protocol) を導入する方法をまとめました。
因果推論は機械学習、医療、マーケティングなど様々な分野で使用されており、用語の揺らぎが大きいため、整理しました。
Pythonの最適化モデリングツールであるPyomoで、modelに定義された変数や制約の情報を一括して取得する方法をまとめました。Pyomoの変数や制約がベクトル化された状態でも対応できます。
Pyomoで多変数の最適化を簡潔に記述するため、制約をベクトル化する方法をまとめました。
Pythonでパッケージを構築するときのディレクトリ構成(フォルダ構成)をまとめました。
Pythonで自作の例外(いわゆるエラー)を実装する場合、新たなクラスとして定義します。
PythonのPEP 8に定められた、変数などの命名規則をまとめました。
PyomoのImplicitly replacing the Component attribute警告について
Pythonの最適化モデリングツールPyomoでImplicitly replacing the Component attributeという警告が表示される場合、Pyomoのモデルに重複した変数名や制約名が定義されています。異なる変数名や制約名にすることで、警告が表示されなくなります。
Julia製の経路最適化ソルバALTROのサンプルスクリプト読解
Julia製の経路最適化ソルバALTROを試してみるため、サンプルスクリプトを読み解いたメモを記事として残します。
Windows環境にJuliaと経路最適化ソルバALTROを導入する方法を備忘録として残します。
Linux MintのライブUSBをWindows10で作る
Linux Mint v20.3のライブUSBを作成してPCにインストールしたので、手順を備忘録として残します。
SphinxでMarkdownの拡張言語であるMyST (Markedly Structured Text) を導入する方法をまとめました。
Python製ドキュメント生成ツールSphinxのモダンテーマFuroの導入方法をまとめました。
ドキュメント生成ツールSphinxを導入し、HTMLファイルを生成するまでの方法をまとめました。
Powershellで複数のテキストファイルから文字列を検索
PowerShellのls, slsコマンドを使って、サブフォルダを含む複数のテキスト形式のファイルから文字列を検索
業務の効率化に役立つ、Outlookのショートカット20個をカテゴリ別にまとめました。
HTML, CSS, JavaScriptを圧縮 (minify) するPythonスクリプト
HTML, CSS, JavaScriptを圧縮 (minify) して、ファイル容量を削減するPythonスクリプトを作成しました。
「投資用リバランス計算機」をリリースしました。サイトの概要と、使用した技術についてまとめています。
Doksは静的サイトジェネレータHugoのテーマの1つであり、ドキュメントサイトの構築に向いています。Doksテーマの主なカスタマイズの方法をまとめました。
Doksは静的サイトジェネレータHugoのテーマの1つであり、ドキュメントサイトの構築に向いています。Doksテーマの導入から、Netlifyを使ったサンプルサイトの公開までをまとめました。
PowerShellのGet-ChildItem (gcm) でパスが通ったプログラムの場所を調べる
PowerShellでパスが通ったプログラムの場所を表示するにはGet-Command (gcm) コマンドレットを使います(Linuxのwhich, whereコマンドに相当)。
「インデックスファンド比較サイト」をリリースしました。サイトの概要と、使用した技術についてまとめています。
Pythonの関数において毎回決まった値(定数)を必要とする場合、どのように記述すれば処理が速くなるか検証しました。
PythonとCasADiを使ったDirect Single Shooting法による最適制御
Pythonと最適化ライブラリCasADiを使って、Direct Single Shooting法と呼ばれる手法によって最適制御問題を解きました。対象とした例題は斜方投射(物体を斜め方向に上げる)で、指定の時刻・距離に物体を到達させる最小の初速度を求めます。
Direct Single Shooting法による最適制御
最適制御問題を解く手法の1つである、Direct Single Shooting法のアルゴリズムをまとめた。
非線形システムを対象としたモデル予測制御の最適化問題を解くPANOCというアルゴリスムについてまとめた。
Rust製の最適制御向け最適化ライブラリOpEnに入門するためチュートリアルの非線形計画問題を解いたので、備忘録を兼ねてまとめた。
Rust製の最適化ライブラリOpEnをWindows 10にインストールし、Pythonから使えるようにする。
RsutをWindows 10にインストールしたので、備忘録として残す。
滑らかではない凸最適化とForward-backward envelope
Forward-backward envelope (FBE) に関する論文を読んだので、備忘録として残す。
「ブログリーダー」を活用して、Helveさんをフォローしませんか?
Pythonのパッケージ設定ファイルpyproject.tomlに記載されたPythonのパッケージを、パッケージ管理システムpipでインストールする方法を解説します。
PythonでPylintを使用したときに表示されるリファクタリングメッセージR1721(不要な内包表記)を抑制する方法を解説します。
Pythonの統合開発環境Spyderのプラグインを無効化して、起動を高速化する方法を説明します。
Pythonのコード分析ツールPylintから出力されるメッセージを抑制する方法について、W0611 (unused-import)警告を例に解説します。
Pythonで作成したコードのクラス図を、Pyreverseを使って自動生成する方法を解説します。
Pythonでパッケージを作成するとき、pytestによる自動テストに向いたディレクトリ構成をサンプルと合わせて解説します。
AnacondaやMinicondaなどのconda環境を使用せずに、pipのみの環境でPythonの統合開発環境Spyderを使用できるようにします。
pytestとpytest-htmlを使って、Pythonコードのテスト結果をHTML形式で保存します。
pytestによる基本的なテストの実行方法と、複数のテストケースを記述する方法を解説します。
非線形問題を解くことができる最適化ソルバIPOPTの主要オプションについて解説します。
Matplotlibのグラフ作成や設定をまとめたサイト「Pythonグラフ入門」を公開しました。
最適化フレームワークCasADiのOptiスタックでcallback関数を使って、最適化ソルバの各反復における解の推移を取得する方法をまとめました。
sftpコマンドを使ったファイル転送や、ディレクトリ関連の操作に関する方法をまとめました。
最適化フレームワークCasADiのOptiスタックで、多変数の最適化を簡潔に記述するため、変数と制約をベクトル化する方法をまとめました。
静的サイトジェネレータHugoのコマンドチートシートです。
JupyterLabまたはJupyter Notebookを任意のディレクトリで起動する方法を説明します。Windows環境でAnaconda PowerShell Promptを使用します。
2次元極座標系における運動方程式、および円軌道とモルニア軌道(楕円軌道)のシミュレーションを行うPythonコードを示します。
複数の要素から構成される最適化モデルを最適化ライブラリPyomoで実装するとき、コードを再利用しやすくするため、各要素をクラスとして実装する方法を検討しました。
複数の要素から構成される最適化モデルを最適化ライブラリCasADiとPythonで実装するとき、コードを再利用しやすくするため、各要素をクラスとして実装する方法を検討しました。
「FIRE成功率シミュレータ」をリリースしました。サイトの概要と、使用した技術についてまとめています。
JupyterLabまたはJupyter Notebookを任意のディレクトリで起動する方法を説明します。Windows環境でAnaconda PowerShell Promptを使用します。
2次元極座標系における運動方程式、および円軌道とモルニア軌道(楕円軌道)のシミュレーションを行うPythonコードを示します。
複数の要素から構成される最適化モデルを最適化ライブラリPyomoで実装するとき、コードを再利用しやすくするため、各要素をクラスとして実装する方法を検討しました。
複数の要素から構成される最適化モデルを最適化ライブラリCasADiとPythonで実装するとき、コードを再利用しやすくするため、各要素をクラスとして実装する方法を検討しました。
「FIRE成功率シミュレータ」をリリースしました。サイトの概要と、使用した技術についてまとめています。
最適化ライブラリCasADiにおいて行列を扱うSX, MX, DMクラスの違いをまとめました。
Scikit-learnのGridSearchCVクラスによるグリッドサーチを解説します。
Scikit-learnのStratifiedKFoldクラスによる交差検証を解説します。
SciPyのlinkageメソッドによる凝集型クラスタリングについて解説します。
Scikit-learnのDBSCANクラスを用いたクラスタリングを解説します。
Scikit-learnのKMeansクラスを用いたクラスタリングを解説します。
回帰モデルの評価指標としてよく用いられるMAE, RMSE, MAPE, RMSPEについて解説します。
Scikit-learnのElasticNetクラスによるElastic Netについて解説します。
Scikit-learnのLassoクラスによるラッソ回帰について解説します。
Scikit-learnのRidgeクラスによるリッジ回帰について解説します。
Scikit-learnのLinearRegressionクラスによる線形回帰について解説します。
分類モデルの評価指標としてよく用いられる、混同行列、F値、ROC曲線、AUCについて解説します。
サポートベクターマシン (SVM, support vector machine) は分類アルゴリズムの1つです。SVMは線形・非線形な分類のどちらも扱うことができます。また、構造が複雑な中規模以下のデータの分類に適しています。
分類木 (classification tree) は、分析したデータが属するカテゴリー(クラス)を予測する分類アルゴリズムの1つです。分類木では、Yes/Noによる分岐を何度か繰り返して、分類の予測を返します。