食洗機を買う

収納サイズについて食器点数とかいう、意味の分からない表記をやめろ

というわけで、必要推測になりますがどれくらいのサイズのものが入るか調べてみます

 

東芝

www.toshiba-lifestyle.com

推定内部サイズ

幅390、高さ250(皿230指定なのは高さ制限から来ていると予想)、奥行き270


 

フライパンが入っている・・・いいね。入るかな・・・

1回水5Lらしいけど、どこに5Lも貯めるんだろう。

 

留意点

  • 正面タッチパネル式
  • アマゾンで3.3万（価格が落ちた時を狙って）

 

まぁ、これにしよう！

コップ・皿・茶碗・はし・フライパン

が洗えるだけでかなり楽になる

www.playgrounds.work

 

使ってみて・問題点

箸を洗おうとすると回転体をロックすることになってしまう。

洗いザルの下で回転シャワーが洗いかける仕組みになっていますが、箸がザルから下にはみ出て、回転シャワーをロックして異音が・・・

 

排水ホースがバケツから外れて、水をまいてしまった

とりあえず、ふいたけど大丈夫かな・・・

ホースの固定方法を考える必要がある。

結構ホースが固く、好きな方向に動かせません。ホースの固定が吸盤タイプになっていますが、全然安定しません。

バケツ自体水なしだと軽いので、ホースの自我に負けてしまう可能性もあります・・・

 

より良い方法を見つけなければ・・・

 

 

 

多変量解析入門（サイエンス社）：11章　MDS

非計量MDSの解法は最急降下法を用いと書いてあるので正直ちゃんと解けるかわからない。

ただ、MDSの目的は理解できた。非計量MDSより計量MDSを先に説明したほうがわかりやすいのではないだろうか・・・

計量MDSは距離データのみから座標データを生成する。この座標データの次元数はストレスSが十分に小さくなる次元を使用する。ストレスSとは「推定される座標情報から出る距離」と「得られている距離情報」の差の正規化二乗和である。

非計量MDSは「座標情報」と「距離情報」は与えられず、「順序関係」しか与えられない。距離情報・座標情報を適当に設定し、「順序関係」を満たしながらストレスSを最小化する距離情報・座標情報を最急降下法で計算する。

図11.3にある親近度（順序情報）と距離（dijが点、dij*は線）を見てほしい。dij*は線であることから、dij*は具体的な数値ではなく範囲指定をしている。

dij*<dij<dij*であれば(dij-dij*) = 0という加減だろう。

変数がかなり多いため、最急降下法で解けるんだろうか・・・

 

 

多変量解析入門（サイエンス社）：9章　主成分分析

理論的部分をまとめたものを下に残しました。

 

qiita.com

 

線形和で新たに生成した変数の分散を最大化することを目的として線形和の係数を求める手法です。

分散を最大化＝情報量を最大化＝最も有意義な変数の生成

こんなイメージです。

 

続きを読む

多変量解析入門（サイエンス社）：8章　数量化2類

質的データに対して判別分析を行う手法。

質的データに適当な数値を割り当て、正規分布に従うと仮定して平均・分散行列推定。

あとは通常の判別分析と同じ手法になる。

 

正規分布に従うと仮定するのに無理がある気がするが、この本ではそこまでは議論していない。

 

続きを読む

多変量解析入門（サイエンス社）：7章　判別分析　章末問題解答

2つの群がそれぞれ正規分布に従うと考えて、母数を推定。

推定された母数から正しく判別できる確率を考えたり、テストデータに対して判別を行う。

マハラノビス距離＝分散行列によって標準化されたユークリッド距離

F値の導出の流れが難しい。1変数のF値は2群が実は同じ正規分布に従っていましたという帰無仮説をもとに、(2.72)式のt検定量が考えられ、2乗することでF値が求められる。

モデルの変数を増やした場合のF値はANOVAと同じような考えになると思うが、証明できていない。

  • 7.1：1変数
  • 7.2
  •  
  • 7.3
続きを読む