他の言語のチュートリアルやってみたけど環境構築ができなかった
ちなOSはubuntu
windowsPC持ってない
練習でautoconfでビルドするフリーソフトウェア移植してる
すぐに反映されるからもしかしたらこっちの方が楽しく学べるのかもしれんな
なお、使う機会がない模様
そもそもなんでプログラミングに触れてるかというと気まぐれやしな
普段使いする便利ツールぬるっと書けるようになると楽しいよ
開発環境はmiseとかでええよ
ワイみたいな初級者はこれから始めればよかったなぁ
後で触ってみるわ
今回もまた飽きて止めるかどっかで挫折して止めるかだと思う
少なくともシェルとか好き好んでやる様なもんでもない
MDNに貼ってあったのをコピペしただけだけど時計できたわ
javascriptに寄り道するわ
autotool中間ファイル多すぎてどこ見ればいいのかわかんねぇ
環境構築とかほぼいらんし
リファレンス山程あるし
Pythonでええやろ
やっぱり初心者🔰はpythonか
JAVAとpythonは放置してる
Youtubeの参考動画通りにはできなかったんだけどそこら辺のサイトにあるコードをコピペしたらそっちの方が上手くいったし
そしてワイのubuntuの環境がxorgだったのも環境構築が不安定になる原因だったからwaylandに戻した
でもワイの環境だとすんなりできたからやり易い感じはあるわ
JAVAはもう3日以上触ってないや
良 個人の変なクセにコードが左右されにくい、テキトー教本でも謎の素人の悪いノウハウ押し付けられるリスクが低い
悪 導入が面倒
JavaScript
良 雑に書いても動く
悪 HTMLとの連携周りで古代の死文がネット全土に転がってる、教本探し手抜きすると酷い目に遭う
お気に入り登録させてもらおう
なんかAttribute Errorでつまづいたりしてるけどなんとかなってる
今のところpythonに集中してるけどjavascriptは面白いからまたどこかで再開する予定
JAVAはしばらく触れなさそう
どちらかというとgradlewに
window上に画像開けるコードコピペしたらできた。
ワイの目的はこれをアプリケーションにできたら満足かもしれない
何をしたくて言語学ぶかで選べよ
でもそんな簡単に上手くいかないやろなぁ…ってなってるからやはりゆっくり慎重に取り組まなきゃ😤
過去のワイはそれやったけど結局挫折したンゴねぇ🤕
例えばゲーム作りてぇ(曖昧)とかで挫折したわ
今回はなんかプログラミング言語触りてぇ(曖昧)で始まった
何も知らん無知なワイが本格的なの作るのは土台無理な話なんでね
適当にマイペースにやるわ
すまん、どこにどのコードを追加すればいいのか分からずchatGPTの手を借りてしまった...
しかも動作する....AIに負けたわ
でもある程度知識ないとここまで来れなかった訳だから複雑な心境や
そういえばPCから書き込んでるけど一応ワイはスレ主や
どこまで依存するかにもよるが
そんな気にすることないんか...AI絵師みたいに叩かれるかと覚悟してたけど
でもこれ依存度やばいよやばいよ
初心者が手を出したらアカンかもしれん自分で考えるのを放棄しちゃう
ディレクトリ云々で頭「？？？」になってる
これってアプリ化できたってことでいいのか？
まぁええかひとまず
7割ぐらいchatgptのおかげでできたけどこんなアッサリしててなんか納得できない😠
これ絶対他のOSからじゃ動かないヤツだろ😡
理解が追いついてないから今日はここまでにしよ🤕
個人利用に留めといた方が地獄を見なくて済む
OS側のバググロい
Android10-11におおい
他になかったし記事でも書こうかな
ヒェ…
まぁ配布やらはする予定とか全く無いけど>>37辺りでスマホアプリにする場合はDartっていう言語の取得が必要だしワイには到底できっこないね
何しよ
Twitter開かずに「誰々がツイートしました」だけ受信できるデスクトップアプリを作りたい
アイディア浮かんだけど面倒だし探せばそういうアプリありそう(小並感)
確かapiにないし無理じゃない？
https://developer.x.com/ja/docs/x-api
X周りは面倒なんやなって😮💨
経験が無いからchatgptのやり方で合ってるのかも分からんし他のサイトにしてみるか
よく分からんし諦めるわすまんな
寝る
Twitterだと上手くいかないからMisskeyにしてみた。
chatgptに頼んでMisskeyAPIを利用したタイムラインを取得してウィンドウに表示させる方法を考えてもらったわ半日時間かかったんだけど🤕
https://files.catbox.moe/8iywvt.jpeg
リモートという形で接続してたっぽいし
https://files.catbox.moe/b83rd3.png
しょうもないもの作ったけどワイは満足した😘
>>99,>>100はそのウィンドウからワイが書き込んだ
400文字くらいのファイルだとgptに疑似grepさせるのが一番楽なんだけど
こいつ行を理解できね
コードの書き方コロコロ変わるしあんまり過信しちゃダメだよな
FlowGPT、Gemini Pro 2Mもいいかもしれないけど…
サブスクしてるなら次世代のChatGPT5が出るのを待つしかない
データセット食いすぎて今はLLM低迷期だわ
疑似grepなんてできるのね
「この動作をする部分のみ」抜き出してください
とか？
〇〇してる部分を抜粋して
みたいなふうに言えば結構いい感じに抜いてくれる
まあまあ信頼性ある
データ読み取って予測するやつ作ってみたい
でも数字にも弱いしまともなのを作れそうにないや🤕
今日はchatgptに聞いて必要なライブラリを入れただけで終わった
うまく使えない上ドキュメント見つからなくて1日無駄にしたことある
それっぽいこと言ってきた挙げ句リンク先飛んだら存在しないURLだったりもするから気を付けろ
あいつ自分好みのURL捏造しやがる
リンク切れかな…(WebArchiveを検索する)
↓
誰も魚拓取ってないやんけ！
↓
そもそも捏造やんけ！
知識ない人には厳しいな🤪
エラー吐きまくって正しくデータ読み込めてないらしい
あー面倒い
俺は今オープンソーススマートウォッチの改造やってる
サンプルコードによってはpipenvとかで調整しないといけないかもね
ワイがPython嫌いな理由の一つ
インデントがスコープなせいでコピペしにくいのもクソ
>>122
わかる
C++とかは適当にコピペしてから自動フォーマットすればいいけどPythonだとできない
単純なものを作れないとなると複雑なものなんてもっと無理だろうし諦める🤪🤪🤪
なにしよ
しゃーないなワイが見たる！
Pythonはほぼ触ってないけどな！
コードで良いの？
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score, classification_report
from sklearn.preprocessing import LabelEncoder
# データの読み込み
file_path = 'data.ods' # .odsファイルのパス
data = pd.read_excel(file_path, engine='odf') # .odsファイル読み込み
# 特徴量とターゲットの分離
X = data[['case_A', 'case_B']] # 特徴量
y = data['result'] # ターゲット変数
# ターゲットラベルのエンコーディング
label_encoder = LabelEncoder()
y_encoded = label_encoder.fit_transform(y)
# データを訓練セットとテストセットに分割
X_train, X_test, y_train, y_test = train_test_split(X, y_encoded, test_size=0.2, random_state=42)
# ランダムフォレスト分類器の作成と学習
model = RandomForestClassifier(random_state=42)
model.fit(X_train, y_train)
# テストデータで予測
y_pred = model.predict(X_test)
# ユニークなクラスの確認
unique_classes_test = set(y_test)
unique_classes_pred = set(y_pred)
print("Unique classes in y_test:", unique_classes_test)
print("Unique classes in y_pred:", unique_classes_pred)
# モデルの評価
print("Accuracy:", accuracy_score(y_test, y_pred))
# target_namesをユニークなクラスの数に合わせる
# もしユニークなクラスが3つある場合は、そのままで良い
if len(unique_classes_test) == 3:
print(classification_report(y_test, y_pred, target_names=label_encoder.classes_))
else:
print(classification_report(y_test, y_pred, target_names=label_encoder.classes_[:2])) # 最初の2つを使用
# 新しいデータで予測
new_data = [[40, 30]] # case_A=40, case_B=30の例
new_prediction = model.predict(new_data)
print("Prediction for new data:", label_encoder.inverse_transform(new_prediction)[0])