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
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])
Accuracy: 1.0
No valid classes found in predictions.
precision recall f1-score support
draw 1.00 1.00 1.00 1
no 1.00 1.00 1.00 2
accuracy 1.00 3
macro avg 1.00 1.00 1.00 3
weighted avg 1.00 1.00 1.00 3
Prediction for new data: yes
モデルが正しく予測できており、Accuracy: 1.0という結果が出ています。この精度は、テストデータ全てが正確に分類されたことを意味します。
ただし、以下の点も確認しておきましょう。
1. No valid classes found in predictions のメッセージ：
• このメッセージは通常、予測されたラベルに含まれないクラスがある場合に表示されます。今回のケースでは「yes」「no」「draw」の3クラスを想定しているものの、一部のクラスが予測結果に含まれていない可能性があります。このメッセージ自体は致命的なエラーではなく、モデルが正しく学習している場合には無視できます。
2. 新しいデータの予測結果：
• Prediction for new data: yesは、新しいデータで「はい」を予測していることを示しています。これはモデルが学習したパターンに基づき、入力に対して適切な分類ができていると考えられます。
まとめ：今回の結果は正常であり、エラーメッセージも影響は少ないものです。このまま他のデータでさらに評価や予測を試みると、モデルの安定性を確認できます。
単純にもっとデータ量を寄越せってことなんかなって
2. モデルの性能を改善する
警告が表示される原因は、モデルが特定のクラスに対して予測を行わない場合です。モデルの性能を改善するために次のアプローチが考えられます。
• データの増加: より多くのデータを使用することで、モデルの学習を強化します。
• ハイパーパラメータの調整: RandomForestClassifierのパラメータ（例：木の数や深さ）を調整することで、モデルの性能が向上する可能性があります。
• 別のアルゴリズムの使用: 他の機械学習アルゴリズム（例：SVMやXGBoost）を試してみることも選択肢です。
全部貼ろうとしたら「改行多すぎぃ！」って出てここに書き込めなかった
とりあえず他の事するわ探して面白いのあったら触れてみるわ
反応遅くてすまんな
"No valid classes found in predictions."
ってwarningは"Accuracy: 1.0"と" precision recall f1-score support"のあとに出てる
つまりこの行の中の関数で起きてるわけや
```
# 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
```
print(classification_report(y_test, y_pred,
学習データが少ないとちゃんと判定がされないよって警告やね(多分)
https://i.imgur.com/TCaR00G.png
新しいチャット始めて、コード貼り付けて、「ハイライトして」で、簡単なコードなら一番手軽な共有方法すらあるからもっと知られてええ機能やと思う
確かチャット内容に含まれさえしなければ匿名だったはず
chatgptの使い方までありがとう
gmailの下書きでよくやってるわ
外でスマホイジってていい感じの見つけたときとか
今日はjavascriptに触れようかな
ローカルファイルからだけどコピペしてリンクとスクリプト消したらこうなるんだな😳
https://files.catbox.moe/urej4r.png
いつかやるわ
まぁワイも軽く触れる程度で始めたしモチベ無くなってここまでやなぁ勉強する気起きないンゴねぇ
うーんこの
強そう
使う機会が無さそうやけどまぁええか
独学の趣味レベルプログラマーや
paizaアルゴリズム問題みたいなのばっかやからな