技術と統計に関するyamadarのブックマーク (2)
-
記事のタイトル通り、競馬で回収率100%を超える方法を見つけたので、その報告をする。 ちなみに、この記事では核心部分はぼかして書いてあるため、読み進めたとしても﹁競馬で回収率100%を超える方法﹂が具体的に何なのかを知ることはできない。︵私は本当に有効な手法を何もメリットが無いのに公開するほどお人好しではないので︶ 本当に有効な手法を見つけたいのであれば、あなた自身がデータと向き合う以外の道は無い。 ただし、大まかな仕組み︵あと多少のヒントも︶だけは書いておくので、もしあなたが独力でデータ解析を行おうという気概のある人物なのであれば、この記事はあなたの助けとなるだろう。 ちなみに、これは前回の記事の続きなので、読んでない方はこちらからどうぞ。 stockedge.hatenablog.com オッズの歪みを探す さて、前回からの続きである。 前回の記事のブコメで﹁回収率を上げたいならオッズ
-
30人クラスの場合に想定される435ペアのうち、1割程度がカンニングをしているケース。青の線が推定結果と答案データとの整合性を表している。この整合性が減少に転じるまで被験者を信じる。減少に転じたとき、残りの被験者間で実際にカンニングをしていた︵京都大学の発表資料より︶[写真拡大] 京都大学の大関真之助教・山中祥五工学部4回生らによる研究グループは、教員が経験的にカンニングの存在を検出するメカニズムを機械学習に取り込むことで、答案の正誤内容から自動的にカンニングの検出をする技術を開発することに成功した。 教員は、長年実施してきた科目であれば、その経験から答案の採点をしながらカンニングの存在に気付くことも少なくない。教育機関には大量の試験データあるため、機械学習の手法を使うことで、教員がカンニングを検出するメカニズムを自動化できると考えられる。 今回の研究では、シミュレーションにより用意された
-
1