驚きの高還元率カード「リクルートカード」登場! [マネー]
驚きの高還元率カード「リクルートカード」登場!
http://recruit-card.jp/
最近、クレジットカードの還元率が1ポイント0.5円程度になっているところが多いです。
一方、高還元率のクレジットカードも出はじめてます。
そして、リクルートカードの登場なわけですが、
年間費無料だと1.2%
2100円払うと2.0%
です。
いくら以上使うと元が取れるかといえば、
x円 × (2.0% - 1.2%) >= 2,100円
x >= 262,500円
ということで、年間26万円以上、このカードで払う予定がある場合は、リクルートカードプラスの方がお得って計算になります。
旅行傷害保険が自動付帯ってのも良いですね。
メインカードを、このカードに切り替えようかと…。
http://recruit-card.jp/
最近、クレジットカードの還元率が1ポイント0.5円程度になっているところが多いです。
一方、高還元率のクレジットカードも出はじめてます。
そして、リクルートカードの登場なわけですが、
年間費無料だと1.2%
2100円払うと2.0%
です。
いくら以上使うと元が取れるかといえば、
x円 × (2.0% - 1.2%) >= 2,100円
x >= 262,500円
ということで、年間26万円以上、このカードで払う予定がある場合は、リクルートカードプラスの方がお得って計算になります。
旅行傷害保険が自動付帯ってのも良いですね。
メインカードを、このカードに切り替えようかと…。
ブラジルW杯出場決定 [よもやま日記]
今日は、サッカー日本代表のワールドカップの予選ってことで、仕事をとっとと切り上げて、家に帰ってきました。
6時半に出前のピザも到着♪
ただ、試合が始まらない…
ピザを食べ終わったころに、試合が始まりました。
途中、子供を寝かしつけるために、いったんベットに向かいましたが、後半15分くらいで、応援を再開しました。
点を取れそうで取れないし、取られそうで取られないと思っていたら、あっさりオーストラリアに点を取られてしまいました。
う~ん、嫌な予感がすると思っていましたが、ロスタイムでPKのチャンスをゲット。
本田選手は、キーパーの真正面を狙い、そのままゴールでした。
あの場面で真正面を狙うってかなり勇気がいりますよね。。。
ということで、引き分けに終わりました。
日本は残り1試合ありますが、怪我をすることなく、1年後のワールドカップに向けて調整して欲しいです。
6時半に出前のピザも到着♪
ただ、試合が始まらない…
ピザを食べ終わったころに、試合が始まりました。
途中、子供を寝かしつけるために、いったんベットに向かいましたが、後半15分くらいで、応援を再開しました。
点を取れそうで取れないし、取られそうで取られないと思っていたら、あっさりオーストラリアに点を取られてしまいました。
う~ん、嫌な予感がすると思っていましたが、ロスタイムでPKのチャンスをゲット。
本田選手は、キーパーの真正面を狙い、そのままゴールでした。
あの場面で真正面を狙うってかなり勇気がいりますよね。。。
ということで、引き分けに終わりました。
日本は残り1試合ありますが、怪我をすることなく、1年後のワールドカップに向けて調整して欲しいです。
IBM SPSS Modeler、データソースが異なるテーブルの結合 [データサイエンス、統計モデル]
IBM SPSS Modeler(旧称 Clementine)を利用して、データベース(Netezza)は同じなのだが、データソースが異なるテーブルを結合しようとしたら、結合ノードが紫色にならなかった。
つまり、データベース側で処理を行うのではなく、ローカルに持ってきての処理となっている。
(SQLプッシュバックが行われていない。)
同じデータベース上にあるんだから、それくらいなんとか頑張って欲しいものだが…。
データベースをどう設計するかとか、あまり分析者が立ち入らない場合が多く、データベース管理者的に管理がしやすい設計と分析者が分析しやすい設計って微妙に異なるんだなぁと改めて認識した今日この頃。
つまり、データベース側で処理を行うのではなく、ローカルに持ってきての処理となっている。
(SQLプッシュバックが行われていない。)
同じデータベース上にあるんだから、それくらいなんとか頑張って欲しいものだが…。
データベースをどう設計するかとか、あまり分析者が立ち入らない場合が多く、データベース管理者的に管理がしやすい設計と分析者が分析しやすい設計って微妙に異なるんだなぁと改めて認識した今日この頃。
IBM SPSS Modeler サーバのメモリサイズ変更 [データサイエンス、統計モデル]
最近、巨大なモデルを作成することが増えてきたのだが、メモリ不足で処理が停止することが頻発してきた。
ということで、IBM SPSS Modeler(旧称 Clementine)のメモリサイズを変更した。
クライアント側の設定は簡単で、
ツール→オプション→システム・オプション→最大メモリー
でメモリの値を増やすことができる。
サーバ側の設定は、
・ファイル名:jvm.cfg
options, "-Xmx???m"
・ファイル名:options.cfg
memory_usage, ???
modelling_memory_limit_percentage, ??
allow_modelling_memory_override, Y
この辺りのを設定をいじれば、使用するメモリを増やすことができました。
ということで、IBM SPSS Modeler(旧称 Clementine)のメモリサイズを変更した。
クライアント側の設定は簡単で、
ツール→オプション→システム・オプション→最大メモリー
でメモリの値を増やすことができる。
サーバ側の設定は、
・ファイル名:jvm.cfg
options, "-Xmx???m"
・ファイル名:options.cfg
memory_usage, ???
modelling_memory_limit_percentage, ??
allow_modelling_memory_override, Y
この辺りのを設定をいじれば、使用するメモリを増やすことができました。
ミラコスタ、シルクロードガーデンでの飲み会 [Disney / ディズニー]
会社で賞をいただいたので、その打ち上げ(?)に東京ディズニーシー・ホテルミラコスタにある中国料理レストラン「シルクロードガーデン」に行ってきました。
なんで、そこでするんだって声もあるとは思いますが…w
今回大変だったのが、予約です。
最近は、ディズニーのレストラン予約は、ネットからでも可能ですが、さすがに大人数は予約できないようです。
今回は、JCBさんにお願いし検索をしてもらいました。m(_ _)m
6500円以上のコースメニューを注文すると、夜のショーをテラスから閲覧可能なので、6500円のメニューを注文。
プラス飲み物代です。
たまには、こういう雰囲気での飲み会も良いものだなぁって思った今日この頃です。
なんで、そこでするんだって声もあるとは思いますが…w
今回大変だったのが、予約です。
最近は、ディズニーのレストラン予約は、ネットからでも可能ですが、さすがに大人数は予約できないようです。
今回は、JCBさんにお願いし検索をしてもらいました。m(_ _)m
6500円以上のコースメニューを注文すると、夜のショーをテラスから閲覧可能なので、6500円のメニューを注文。
プラス飲み物代です。
たまには、こういう雰囲気での飲み会も良いものだなぁって思った今日この頃です。
明日もミッキー? [Disney / ディズニー]
今日は、家族でディズニーリゾートに行ってきました。
ランドにするかシーにするか決めていなかったのですが、ランドは混んでいそうだったので、シーにしました。
行ってみると、意外とシーも混んでいましたが。。。
今日は、春飛のお気に入りの乗り物に少し乗って終了でした。
帰りしなに、春飛が「明日もミッキー?」ってことで、聞いてきました。(^^;
また、近いうちに連れて行ってあげたいです。
ランドにするかシーにするか決めていなかったのですが、ランドは混んでいそうだったので、シーにしました。
行ってみると、意外とシーも混んでいましたが。。。
今日は、春飛のお気に入りの乗り物に少し乗って終了でした。
帰りしなに、春飛が「明日もミッキー?」ってことで、聞いてきました。(^^;
また、近いうちに連れて行ってあげたいです。
ワオンポイントを大量に使う [マーケティング / 仕事]
先日、イオンでdocomoのケータイを買ったのですが、その時に、ワオンポイントを大量にもらいました。
イオン以外で、特に使う先もないので、今日はイオンにお買い物に行ってきました。
ワオンポイントってイオンで使う以外はファミリーマートで使うくらいでしょうかね。
ポイントって「たまりやすい×使いやすい」が大切だと思うのですが、最近、たまりやすいけど、使いやすいってサイトが増えてきているように思います。。。
結局、使いにくくなると、1ポイントあたりの価値も下がってしまうので、「使いやすい」ってことも念頭に入れておいた方が良いのですがね…
まぁ、使いにくくて、使われないと、その執行ポイントはその企業に入るので、企業としては、嬉しいのかもしれませんが、けっきょく執行するってことは、リピートしていないわけで、新規カスタマを刈り取ってしまったら、後は何も残らないんじゃないかと。
なんてことを考えつつ、無駄に溜まったポイントで買い物をした一日でした。
イオン以外で、特に使う先もないので、今日はイオンにお買い物に行ってきました。
ワオンポイントってイオンで使う以外はファミリーマートで使うくらいでしょうかね。
ポイントって「たまりやすい×使いやすい」が大切だと思うのですが、最近、たまりやすいけど、使いやすいってサイトが増えてきているように思います。。。
結局、使いにくくなると、1ポイントあたりの価値も下がってしまうので、「使いやすい」ってことも念頭に入れておいた方が良いのですがね…
まぁ、使いにくくて、使われないと、その執行ポイントはその企業に入るので、企業としては、嬉しいのかもしれませんが、けっきょく執行するってことは、リピートしていないわけで、新規カスタマを刈り取ってしまったら、後は何も残らないんじゃないかと。
なんてことを考えつつ、無駄に溜まったポイントで買い物をした一日でした。
映画『ダイナソー』(原題:Dinosaur) [テレビ / 映画]
アナリティックス・カンファレンス 2013 [データサイエンス、統計モデル]
『アナリティックス・カンファレンス 2013』に行ってきました。
統数研の樋口先生の講演が面白かったです。
以下、講義のメモ
----------------------------------------
・確率論は順問題を扱い、統計学は逆問題を扱う。
・ビッグデータの定義
3v: 量(volume)、種類(variety)、頻度(velocity)
5v: 3vに加え、価値(value)、情報の正確さ(信憑性)(veracity)
・価値密度
価値密度 = 価値総量 / データ総量
データ量が増え、価値密度が薄くなってきている
・cvr = (a+b)/(A+B)
A:ターゲットの総量
a:アクション(購買)数
B:興味のない集団の人数
b:アクション(購買)数
統数研の樋口先生の講演が面白かったです。
以下、講義のメモ
----------------------------------------
・確率論は順問題を扱い、統計学は逆問題を扱う。
・ビッグデータの定義
3v: 量(volume)、種類(variety)、頻度(velocity)
5v: 3vに加え、価値(value)、情報の正確さ(信憑性)(veracity)
・価値密度
価値密度 = 価値総量 / データ総量
データ量が増え、価値密度が薄くなってきている
・cvr = (a+b)/(A+B)
A:ターゲットの総量
a:アクション(購買)数
B:興味のない集団の人数
b:アクション(購買)数
overflow in 8 bit arithmetic [データサイエンス、統計モデル]
overflow in 8 bit arithmetic
IBM SPSS Modeler(旧称 Clementine)を使い、Netezzaに処理をさせているときに発生したエラー。
う~ん、なんだろうと思いましたが、調べてみると、エラーの原因は
"変数の桁あふれ"
が原因でした。
Aという変数が3桁(例えば、300)
Bという変数が3桁(例えば、400)
の箱に入っているとして、
A×Bを実行すると答えは、120000となり箱に入りません。
通常は、Modelerの中(ローカル)の中で処理をさせるので、発生しないエラーですが、
SQLプッシュバックでデータベース側に処理させる場合に発生してしまいます。
対処方法としては、キャストをして回避できます。
SPSS Modelerとしては、変数作成ノードを使わずに、入力ノードの部分に、下記の様にSQLで書きます。
例)
select
A,
B,
A*B::BIGINT
from hogehoge
ちはやふる 21巻 [アニメ / コミック]
乳幼児用のベットガード [ファミリー]
Amazon.com - Employee Access Challenge [データサイエンス、統計モデル]
KDD CUP 2013もほぼ終了ということで、次のお題を探していたら、面白いのを見つけた。
Amazon.com - Employee Access Challenge
https://www.kaggle.com/c/amazon-employee-access-challenge
特徴量(説明変数)は、
・RESOURCE
・MGR_ID
・ROLE_ROLLUP_1
・ROLE_ROLLUP_2
・ROLE_DEPTNAME
・ROLE_TITLE
・ROLE_FAMILY_DESC
・ROLE_FAMILY
・ROLE_CODE
の9個。
目的変数は、ACTIONの1 or 0を予測するというもの。
一見単純そうですが、上記のカテゴリ変数を1,0にフラグ化する場合、
・RESOURCE → 7518
・MGR_ID → 4243
・ROLE_ROLLUP_1 → 128
・ROLE_ROLLUP_2 → 177
・ROLE_DEPTNAME → 449
・ROLE_TITLE → 343
・ROLE_FAMILY_DESC → 2358
・ROLE_FAMILY → 67
・ROLE_CODE → 343
と、いっきに 15,626変数を作成することができます。
しかも、ほとんど0しか入っていないというデータです。
この辺りどう工夫していくのかが、難しいところでもあり、
面白いところでもありますね。
評価基準としては、area under the ROC curveを採用しています。
http://en.wikipedia.org/wiki/Receiver_operating_characteristic
ちなみに、ベンチマークとして、randomのスコアが0.50000。
K-Nearest-Neighbors (k=1)のスコアが0.63083でした。
Amazon.com - Employee Access Challenge
https://www.kaggle.com/c/amazon-employee-access-challenge
特徴量(説明変数)は、
・RESOURCE
・MGR_ID
・ROLE_ROLLUP_1
・ROLE_ROLLUP_2
・ROLE_DEPTNAME
・ROLE_TITLE
・ROLE_FAMILY_DESC
・ROLE_FAMILY
・ROLE_CODE
の9個。
目的変数は、ACTIONの1 or 0を予測するというもの。
一見単純そうですが、上記のカテゴリ変数を1,0にフラグ化する場合、
・RESOURCE → 7518
・MGR_ID → 4243
・ROLE_ROLLUP_1 → 128
・ROLE_ROLLUP_2 → 177
・ROLE_DEPTNAME → 449
・ROLE_TITLE → 343
・ROLE_FAMILY_DESC → 2358
・ROLE_FAMILY → 67
・ROLE_CODE → 343
と、いっきに 15,626変数を作成することができます。
しかも、ほとんど0しか入っていないというデータです。
この辺りどう工夫していくのかが、難しいところでもあり、
面白いところでもありますね。
評価基準としては、area under the ROC curveを採用しています。
http://en.wikipedia.org/wiki/Receiver_operating_characteristic
ちなみに、ベンチマークとして、randomのスコアが0.50000。
K-Nearest-Neighbors (k=1)のスコアが0.63083でした。