ららぽーと新三郷 [ファミリー]
台風が来ていて、朝から大雨。
ららぽーと新三郷に行ってみることにしました。
ららぽーと以外に、コストコも入っていますし。
ちょうどトミカのイベントがやっていて、ららぽーと内のスタンプを押して集めれば、抽選ができるというもの。
息子と娘の二人で参加したのですが、娘はミニトミカが当たったものの息子はただのポスターでした。
目の前に当たりのトミカが並んでいて、外れたらただのポスター。。。
子供にはちょっと残酷なイベントだったかも。
外れた息子は涙目でした。。。
ららぽーと新三郷に行ってみることにしました。
ららぽーと以外に、コストコも入っていますし。
ちょうどトミカのイベントがやっていて、ららぽーと内のスタンプを押して集めれば、抽選ができるというもの。
息子と娘の二人で参加したのですが、娘はミニトミカが当たったものの息子はただのポスターでした。
目の前に当たりのトミカが並んでいて、外れたらただのポスター。。。
子供にはちょっと残酷なイベントだったかも。
外れた息子は涙目でした。。。
じゃらん遊び体験で箱根小涌園ユネッサンへ [【旅行】小旅行、旅行その他]
じゃらん遊び・体験予約
http://www.jalan.net/activity/
レストランのビッフェ、いちご狩り、温泉などのイベントがかなりお得に利用できるサイトです。
さらに、今なら、認知度アップのためのクーポンもばらまいているので相当お得に利用できました。
箱根小涌園ユネッサン
大人通常料金 4,100円 ⇒ 2,500円！
小学生通常料金 2,100円 ⇒ 1,500円！
3歳未満 無料
となります。
さらに、5000円以上で1700円引きのクーポンが使えたり、
じゃらん限定ポイントもじゃらん遊び・体験で使えたりします。
重複利用可能です！
例えば、大人2人の場合は、
料金2,500円×2=5,000円
クーポン1,700円、限定ポイント1,000円割引で
支配は、2,300円となります。
通常、4,100円×2名で8,200円なので、約70%オフでした。
http://www.jalan.net/activity/
レストランのビッフェ、いちご狩り、温泉などのイベントがかなりお得に利用できるサイトです。
さらに、今なら、認知度アップのためのクーポンもばらまいているので相当お得に利用できました。
箱根小涌園ユネッサン
大人通常料金 4,100円 ⇒ 2,500円！
小学生通常料金 2,100円 ⇒ 1,500円！
3歳未満 無料
となります。
さらに、5000円以上で1700円引きのクーポンが使えたり、
じゃらん限定ポイントもじゃらん遊び・体験で使えたりします。
重複利用可能です！
例えば、大人2人の場合は、
料金2,500円×2=5,000円
クーポン1,700円、限定ポイント1,000円割引で
支配は、2,300円となります。
通常、4,100円×2名で8,200円なので、約70%オフでした。
箱根小涌園ユネッサン 2017 [【旅行】小旅行、旅行その他]
外と中のプールに分かれています。
外のプールは、スライダーがあったり、子供用のプールがあったりします。
中のプールは、コーヒー風呂、ワイン風呂などの変わったお風呂がありました。
そして、温泉は別の場所にあるので、着替えて移動。
温泉もいろんなお風呂があり、相当広いです。
ただし、洗い場は少し狭い。
微妙なのは、駐車場。
ユネッサンの中は、すべてリストバンドで利用可能なのですが、
一日駐車場代金（1200円）は、駐車場でしか支払いすることができません。
しかも、両替できないので、1000円札と100円玉を事前に用意しておく必要があります。
清算する際に、一緒に駐車場の代金も事前清算できると良かったなと思いました。
外のプールは、スライダーがあったり、子供用のプールがあったりします。
中のプールは、コーヒー風呂、ワイン風呂などの変わったお風呂がありました。
そして、温泉は別の場所にあるので、着替えて移動。
温泉もいろんなお風呂があり、相当広いです。
ただし、洗い場は少し狭い。
微妙なのは、駐車場。
ユネッサンの中は、すべてリストバンドで利用可能なのですが、
一日駐車場代金（1200円）は、駐車場でしか支払いすることができません。
しかも、両替できないので、1000円札と100円玉を事前に用意しておく必要があります。
清算する際に、一緒に駐車場の代金も事前清算できると良かったなと思いました。
アンティパスタ [グルメ / クッキング]
箱根小涌園ユネッサンの入場ゲート前にあるレストラン
アンティパスタ
https://www.yunessun.com/facility/antiepasta.html
パスタやピザを食べましたが、かなり本格的で激ウマでした。
入場前にあるので、入館している時には利用できないのが残念。
ただ、近くに寄った時に、ユネッサンを利用しなくても、レストランだけ利用ってのもありかも。
車利用だったので、ワインとか飲めませんでしたが、次回は宿泊するなどして、ワインと一緒に料理を楽しみたいです。
アンティパスタ
https://www.yunessun.com/facility/antiepasta.html
パスタやピザを食べましたが、かなり本格的で激ウマでした。
入場前にあるので、入館している時には利用できないのが残念。
ただ、近くに寄った時に、ユネッサンを利用しなくても、レストランだけ利用ってのもありかも。
車利用だったので、ワインとか飲めませんでしたが、次回は宿泊するなどして、ワインと一緒に料理を楽しみたいです。
映画『カーズ/クロスロード』 [テレビ / 映画]
発売予定日は2017年11月22日に決定！
映画館観れなかったので、購入します～
カーズ/クロスロード MovieNEX [ブルーレイ+DVD+デジタルコピー(クラウド対応)+MovieNEXワールド] [Blu-ray]
https://www.amazon.co.jp/dp/B07599YLNK/
![カーズ/クロスロード MovieNEX [ブルーレイ+DVD+デジタルコピー(クラウド対応)+MovieNEXワールド] [Blu-ray]](https://images-fe.ssl-images-amazon.com/images/I/61nk5MQgtRL._SL160_.jpg "カーズ/クロスロード MovieNEX [ブルーレイ+DVD+デジタルコピー(クラウド対応)+MovieNEXワールド] [Blu-ray]")
映画館観れなかったので、購入します～
カーズ/クロスロード MovieNEX [ブルーレイ+DVD+デジタルコピー(クラウド対応)+MovieNEXワールド] [Blu-ray]
https://www.amazon.co.jp/dp/B07599YLNK/
カーズ/クロスロード MovieNEX [ブルーレイ+DVD+デジタルコピー(クラウド対応)+MovieNEXワールド] [Blu-ray]
- 出版社/メーカー: ウォルト・ディズニー・ジャパン株式会社
- メディア: Blu-ray
iphone 8 購入！ [よもやま日記]
iphone 8 購入しました。
嫁のiphoneだけど・・・。
自分のはiphone xにしようかと思うので、来月予約します～
今回、simフリーのiphone8を買って、銀座のappleに取りに行ったんだけど、
予約時間に行っても、1時間半くらい待たされました。
想定よりも人が多かったんですかね。。。
すぐに受け取れるものと思っていただけに、ちょっと残念です。
嫁のiphoneだけど・・・。
自分のはiphone xにしようかと思うので、来月予約します～
今回、simフリーのiphone8を買って、銀座のappleに取りに行ったんだけど、
予約時間に行っても、1時間半くらい待たされました。
想定よりも人が多かったんですかね。。。
すぐに受け取れるものと思っていただけに、ちょっと残念です。
動物ふれあいコーナー [ファミリー]
近所のスーパーに「動物ふれあいコーナー」がやってきました。
移動サーカス的な感じですかね。
ニワトリ、ウサギ、モルモット、七面鳥などなど、たくさんの動物と触れ合えます。
ポニーにも乗ることができました。
移動サーカス的な感じですかね。
ニワトリ、ウサギ、モルモット、七面鳥などなど、たくさんの動物と触れ合えます。
ポニーにも乗ることができました。
自転車の本格的な練習スタート（二人目） [ファミリー]
娘がもうすぐ5歳になるということで、本格的な自転車の練習をスタートすることにしました。
一人目の時は、どうやって自転車を教えたのか忘れてしまうくらいになりましたが、
二人目の時も、最初は苦労します。。。
やはり、こぐ力がたりないというか、どうやって自転車をこいだら良いかわからないみたいで、そこが一つの壁。
ある程度、自転車をこぐ感覚がつかめてくれば、後は楽な気がします。
一人目の時は、どうやって自転車を教えたのか忘れてしまうくらいになりましたが、
二人目の時も、最初は苦労します。。。
やはり、こぐ力がたりないというか、どうやって自転車をこいだら良いかわからないみたいで、そこが一つの壁。
ある程度、自転車をこぐ感覚がつかめてくれば、後は楽な気がします。
マルチコは悪か？ [データサイエンス、統計モデル]
xとyの相関はプラスなのに、重回帰になると逆のマイナスになる場合があります。
例えば、広告効果の場合、ある施策を行ったときに、基本はプラスになるはずだけど、
重回帰の偏回帰係数がマイナスになってしまうという例。
重回帰の原理原則を理解していると、「まぁ、そうだよね。」という場合が結構ありますが、マーケティングの立場からすると、その結果だとまずい場合があります。
ただ、本来なら、なぜマイナスになってしまうのかという理由はきちんと説明できるのですが、なかなかその原理を理解しないまま、悩んでしまう人は多そうですね。
話はそれましたが、マルチコ（多重共線性）が起こると何がまずくて、どうすれば良いのか？
逆に、まずくない部分は何か？をまとめました。
多重共線性が起こっている場合の現象
1. 係数の標準誤差が大きくなる
各係数のt値が小さくなり、係数が優位になりにくくなる
係数が理論から予想される値と大きくかい離することがある
2. 個別係数のt値が小さいにも関わらず、決定係数が大きくなる
3. データのわずから変動や観測期間の変更で係数が多く変化する
↑
3.の現象は有名だと思いますが、1.と2.は意外と知らない人が多い気がします。
多重共線性の間違った対応
以下は、巷で流れている間違った対応なので、ご注意を！
1. 説明変数を減らす
2. X1, X2ではなく、変数変換でX1 - X2とX2を回帰する
3. 階差を取る
4. データ数を減らす
↑
1.をやっている人が多い気がしますが、
本来必要な説明変数を減らすことは、過小定式化につながり、推定に偏りが生じてしまいます。
多重共線性の対処法
・データ数を増やす
・モデルについての追加的情報を使う
β1+β2=1など
Y（目的変数）の推定精度
多重共線性が起こっていると、Yの推定値の精度が悪くなる気がするが、悪くなることはない。
例えば、広告効果の場合、ある施策を行ったときに、基本はプラスになるはずだけど、
重回帰の偏回帰係数がマイナスになってしまうという例。
重回帰の原理原則を理解していると、「まぁ、そうだよね。」という場合が結構ありますが、マーケティングの立場からすると、その結果だとまずい場合があります。
ただ、本来なら、なぜマイナスになってしまうのかという理由はきちんと説明できるのですが、なかなかその原理を理解しないまま、悩んでしまう人は多そうですね。
昔、書いたブログのエントリー
重回帰で回帰係数の符号が逆転している場合の意味
http://skellington.blog.so-net.ne.jp/2017-05-17
話はそれましたが、マルチコ（多重共線性）が起こると何がまずくて、どうすれば良いのか？
逆に、まずくない部分は何か？をまとめました。
多重共線性が起こっている場合の現象
1. 係数の標準誤差が大きくなる
各係数のt値が小さくなり、係数が優位になりにくくなる
係数が理論から予想される値と大きくかい離することがある
2. 個別係数のt値が小さいにも関わらず、決定係数が大きくなる
3. データのわずから変動や観測期間の変更で係数が多く変化する
↑
3.の現象は有名だと思いますが、1.と2.は意外と知らない人が多い気がします。
多重共線性の間違った対応
以下は、巷で流れている間違った対応なので、ご注意を！
1. 説明変数を減らす
2. X1, X2ではなく、変数変換でX1 - X2とX2を回帰する
3. 階差を取る
4. データ数を減らす
↑
1.をやっている人が多い気がしますが、
本来必要な説明変数を減らすことは、過小定式化につながり、推定に偏りが生じてしまいます。
多重共線性の対処法
・データ数を増やす
・モデルについての追加的情報を使う
β1+β2=1など
Y（目的変数）の推定精度
多重共線性が起こっていると、Yの推定値の精度が悪くなる気がするが、悪くなることはない。
パラメータに非負制約を与えた重回帰分析 [データサイエンス、統計モデル]
重回帰で回帰係数の符号が逆転している場合の意味
http://skellington.blog.so-net.ne.jp/2017-05-17
マルチコは悪か？
http://skellington.blog.so-net.ne.jp/2017-09-25
↑
xとyの相関はプラスなのに、重回帰になると逆のマイナスになる場合の続き。
重回帰の偏回帰係数の意味をきちんと理解していると、
分析者本人は、符号が逆になっても問題ないと理解できるのですが、
上司に説明する際など、そのままでは誤解を生む場合があります。
重回帰の場合、マイナスだからといって、その効果がマイナスということを意味していません。
一方で、マイナスをなんとかプラスの係数にして、しかも、重回帰を行いたい！という気持ちもわかります。
もはや、普通の重回帰ではなく、重回帰の形をした別の分析ということになります。
しかも、出てくるアウトプットが重回帰の形をしているので、これまた、誤解を生みかねないので、あまりお勧めをしませんが、、、
自分ならこうやってプラスにするという方法を書いておきます。
重回帰分析の流れ
1. 最尤法（最小二乗法）を解く
ただし、普通のパッケージにおいては、回帰係数に制約条件を付けれないのでRの最適化関数optimを使って解きます。
2. 通常、パラメータの探索区間は -∞～∞ なので、exp(β)と変数変換することで、非負の制約を与えることができます。
気になる精度ですが、
# 普通の重回帰分析
モデル作成用：1.058
モデル検証用：1.002
# パラメータに非負制約を与えた重回帰分析
モデル作成用：1.090
モデル検証用：1.009
ということで、パラメータに非負制約を与えた重回帰分析の方が精度が落ちてしまいますね。
この辺りは、パラメータに制約与えて最適化を解いているので、自明と言えば自明ですが。。。
～以下、実際のコード～
# 普通の重回帰分析
fr <- function(x)
{
b1 <- x[1]
b2 <- x[2]
b3 <- x[3]
b4 <- x[4]
LL = 0
for(i in 1:hh) {
x_ols <- b1 * dat_b[i, 1] + b2 * dat_b[i, 2] + b3 * dat_b[i, 3] + b4
y_ols <- dat_b[i, 4]
LLL <- (y_ols - x_ols)^2
LL <- LL + LLL
}
return(LL)
}
res1 <- optim(b0, fr, method = "BFGS", hessian = TRUE, control = list(fnscale = 1))
# パラメータに非負制約を与えた重回帰分析
fr <- function(x)
{
b1 <- x[1]
b2 <- x[2]
b3 <- x[3]
b4 <- x[4]
LL = 0
for(i in 1:hh) {
x_ols <- exp(b1) * dat_b[i, 1] + exp(b2) * dat_b[i, 2] + exp(b3) * dat_b[i, 3] + b4
y_ols <- dat_b[i, 4]
LLL <- (y_ols - x_ols)^2
LL <- LL + LLL
}
return(LL)
}
# 対数尤度関数の最大化
res2 <- optim(b0, fr, method = "BFGS", hessian = TRUE, control = list(fnscale = 1))
http://skellington.blog.so-net.ne.jp/2017-05-17
マルチコは悪か？
http://skellington.blog.so-net.ne.jp/2017-09-25
↑
xとyの相関はプラスなのに、重回帰になると逆のマイナスになる場合の続き。
重回帰の偏回帰係数の意味をきちんと理解していると、
分析者本人は、符号が逆になっても問題ないと理解できるのですが、
上司に説明する際など、そのままでは誤解を生む場合があります。
重回帰の場合、マイナスだからといって、その効果がマイナスということを意味していません。
一方で、マイナスをなんとかプラスの係数にして、しかも、重回帰を行いたい！という気持ちもわかります。
もはや、普通の重回帰ではなく、重回帰の形をした別の分析ということになります。
しかも、出てくるアウトプットが重回帰の形をしているので、これまた、誤解を生みかねないので、あまりお勧めをしませんが、、、
自分ならこうやってプラスにするという方法を書いておきます。
重回帰分析の流れ
1. 最尤法（最小二乗法）を解く
ただし、普通のパッケージにおいては、回帰係数に制約条件を付けれないのでRの最適化関数optimを使って解きます。
2. 通常、パラメータの探索区間は -∞～∞ なので、exp(β)と変数変換することで、非負の制約を与えることができます。
気になる精度ですが、
# 普通の重回帰分析
モデル作成用：1.058
モデル検証用：1.002
# パラメータに非負制約を与えた重回帰分析
モデル作成用：1.090
モデル検証用：1.009
ということで、パラメータに非負制約を与えた重回帰分析の方が精度が落ちてしまいますね。
この辺りは、パラメータに制約与えて最適化を解いているので、自明と言えば自明ですが。。。
～以下、実際のコード～
# 普通の重回帰分析
fr <- function(x)
{
b1 <- x[1]
b2 <- x[2]
b3 <- x[3]
b4 <- x[4]
LL = 0
for(i in 1:hh) {
x_ols <- b1 * dat_b[i, 1] + b2 * dat_b[i, 2] + b3 * dat_b[i, 3] + b4
y_ols <- dat_b[i, 4]
LLL <- (y_ols - x_ols)^2
LL <- LL + LLL
}
return(LL)
}
res1 <- optim(b0, fr, method = "BFGS", hessian = TRUE, control = list(fnscale = 1))
# パラメータに非負制約を与えた重回帰分析
fr <- function(x)
{
b1 <- x[1]
b2 <- x[2]
b3 <- x[3]
b4 <- x[4]
LL = 0
for(i in 1:hh) {
x_ols <- exp(b1) * dat_b[i, 1] + exp(b2) * dat_b[i, 2] + exp(b3) * dat_b[i, 3] + b4
y_ols <- dat_b[i, 4]
LLL <- (y_ols - x_ols)^2
LL <- LL + LLL
}
return(LL)
}
# 対数尤度関数の最大化
res2 <- optim(b0, fr, method = "BFGS", hessian = TRUE, control = list(fnscale = 1))
lasso回帰 / リッジ回帰による多重共線性の回避 [データサイエンス、統計モデル]
重回帰で回帰係数の符号が逆転している場合の意味
http://skellington.blog.so-net.ne.jp/2017-05-17
マルチコは悪か？
http://skellington.blog.so-net.ne.jp/2017-09-25
パラメータに非負制約を与えた重回帰分析
http://skellington.blog.so-net.ne.jp/2017-09-26
↑
こちらのパラメータに非負制約を与える回帰分析は、Rのoptimを使う必要があるなど、ちょっとややこしいです。
一方、Rのパッケージを使ってお手軽にする別の方法を紹介しておきます。
多重共線性が起こっているということは、回帰分析で逆行列の計算が難しいという問題あります。
逆行列で0に近い数が分母に来るという問題です。
これを回避するのが、lasso回帰であったり、リッジ回帰であったりするわけですが、
lasso回帰の場合は、変数選択という意味が強く、不要と思われるである変数は落とされます。
リッジ回帰は、同じく「正則化」を行うわけですが、変数選択ということは行われません。
今回のデータ（前回のデータ）は、
Y <- 1.0 - 0.1 * X1 + 0.5 * X2 + 1.0 * X3 + rand
という形式で発生させた疑似データを使っています。
まずは、lasso回帰を行った結果。
Y = 1.026 + 0.300 * X2 + 0.922 * X3
という結果になりました。
X1の係数が小さいのlasso回帰を使うと、その係数は落とされてしまいます。
次に、リッジ回帰を行った結果。
Y = 1.027 + 0.001 * X1 + 0.300 * X2 + 0.882 * X3
という家㏍が得られました。
X1の偏回帰係数は、小さい値ですが、リッジ回帰の場合はちゃんと残っていますね。
どっちの回帰を使うかは、それぞれ何を得たいかによって違ってきますが、
lasso回帰、リッジ回帰とも想定通りの結果が得られました。
http://skellington.blog.so-net.ne.jp/2017-05-17
マルチコは悪か？
http://skellington.blog.so-net.ne.jp/2017-09-25
パラメータに非負制約を与えた重回帰分析
http://skellington.blog.so-net.ne.jp/2017-09-26
↑
こちらのパラメータに非負制約を与える回帰分析は、Rのoptimを使う必要があるなど、ちょっとややこしいです。
一方、Rのパッケージを使ってお手軽にする別の方法を紹介しておきます。
多重共線性が起こっているということは、回帰分析で逆行列の計算が難しいという問題あります。
逆行列で0に近い数が分母に来るという問題です。
これを回避するのが、lasso回帰であったり、リッジ回帰であったりするわけですが、
lasso回帰の場合は、変数選択という意味が強く、不要と思われるである変数は落とされます。
リッジ回帰は、同じく「正則化」を行うわけですが、変数選択ということは行われません。
今回のデータ（前回のデータ）は、
Y <- 1.0 - 0.1 * X1 + 0.5 * X2 + 1.0 * X3 + rand
という形式で発生させた疑似データを使っています。
まずは、lasso回帰を行った結果。
Y = 1.026 + 0.300 * X2 + 0.922 * X3
という結果になりました。
X1の係数が小さいのlasso回帰を使うと、その係数は落とされてしまいます。
次に、リッジ回帰を行った結果。
Y = 1.027 + 0.001 * X1 + 0.300 * X2 + 0.882 * X3
という家㏍が得られました。
X1の偏回帰係数は、小さい値ですが、リッジ回帰の場合はちゃんと残っていますね。
どっちの回帰を使うかは、それぞれ何を得たいかによって違ってきますが、
lasso回帰、リッジ回帰とも想定通りの結果が得られました。
久々のチェス、雪隠詰めで勝利 [将棋]
Halifaxに行った時から、少しずつ指しているチェス。
1手の考慮時間が10日間もあるので、勝負がつくまでに、約1か月半くらいかかりました。
あまり定跡とかわかっておらず、雰囲気で指していますが、勝ちました！
https://www.chess.com/daily/game/172281742
[Event "Let's Play!"]
[Site "Chess.com"]
[Date "2017.08.12"]
[White "alcuin"]
[Black "mappyminky"]
[Result "0-1"]
[ECO "C20"]
[WhiteElo "1145"]
[BlackElo "1411"]
[TimeControl "1 in 10 days"]
[EndDate "2017.09.27"]
[Termination "mappyminky won by checkmate"]
[CurrentPosition "Kq6/2b5/8/p5p1/P5P1/8/4k3/8 w - - 14 56"]
1.e4 e5 2.Qh5 Nc6 3.Bc4 g6 4.Qf3 Nf6 5.d3 Bg7 6.Bg5 O-O 7.Nd2 d6 8.Ne2 h6 9.Bxf6 Bxf6 10.O-O Nd4 11.Nxd4 exd4 12.Rac1 Be6 13.c3 Bxc4 14.Nxc4 b5 15.Na5 dxc3 16.bxc3 Bg5 17.Rc2 c5 18.Nc6 Qc7 19.e5 Rac8 20.exd6 Qxc6 21.Qxc6 Rxc6 22.d7 Rd6 23.c4 bxc4 24.Rxc4 Rxd7 25.h4 Be7 26.Rd1 Rfd8 27.g4 Rxd3 28.Rxd3 Rxd3 29.h5 Rd4 30.Rxd4 cxd4 31.Kf1 Kf8 32.hxg6 fxg6 33.Ke2 h5 34.f3 hxg4 35.fxg4 Kf7 36.Kd3 Bf6 37.Ke4 Ke6 38.a3 a6 39.a4 a5 40.Kf4 g5+ 41.Ke4 Be5 42.Kf3 Kd5 43.Ke2 Ke4 44.Kd2 Bf4+ 45.Ke2 d3+ 46.Kd1 Ke3 47.Ke1 Bg3+ 48.Kd1 d2 49.Kc2 Ke2 50.Kc3 d1=Q 51.Kc4 Bc7 52.Kb5 Qc2 53.Ka6 Qc6+ 54.Ka7 Qb6+ 55.Ka8 Qb8# 0-1
途中、相手のナイト（桂馬）を取れることを発見し、そこでリードすることができました。
駒の差がついたとは、盤面の駒を消去し局面をシンプル化していきます。
そして、ポーンをクイーンに昇格させて、最後は、盤面の隅で詰ますことができました。
将棋の場合、「雪隠詰め」というのですが、チェスもこのような言葉ってあるんでしょうか？
1手の考慮時間が10日間もあるので、勝負がつくまでに、約1か月半くらいかかりました。
あまり定跡とかわかっておらず、雰囲気で指していますが、勝ちました！
https://www.chess.com/daily/game/172281742
[Event "Let's Play!"]
[Site "Chess.com"]
[Date "2017.08.12"]
[White "alcuin"]
[Black "mappyminky"]
[Result "0-1"]
[ECO "C20"]
[WhiteElo "1145"]
[BlackElo "1411"]
[TimeControl "1 in 10 days"]
[EndDate "2017.09.27"]
[Termination "mappyminky won by checkmate"]
[CurrentPosition "Kq6/2b5/8/p5p1/P5P1/8/4k3/8 w - - 14 56"]
1.e4 e5 2.Qh5 Nc6 3.Bc4 g6 4.Qf3 Nf6 5.d3 Bg7 6.Bg5 O-O 7.Nd2 d6 8.Ne2 h6 9.Bxf6 Bxf6 10.O-O Nd4 11.Nxd4 exd4 12.Rac1 Be6 13.c3 Bxc4 14.Nxc4 b5 15.Na5 dxc3 16.bxc3 Bg5 17.Rc2 c5 18.Nc6 Qc7 19.e5 Rac8 20.exd6 Qxc6 21.Qxc6 Rxc6 22.d7 Rd6 23.c4 bxc4 24.Rxc4 Rxd7 25.h4 Be7 26.Rd1 Rfd8 27.g4 Rxd3 28.Rxd3 Rxd3 29.h5 Rd4 30.Rxd4 cxd4 31.Kf1 Kf8 32.hxg6 fxg6 33.Ke2 h5 34.f3 hxg4 35.fxg4 Kf7 36.Kd3 Bf6 37.Ke4 Ke6 38.a3 a6 39.a4 a5 40.Kf4 g5+ 41.Ke4 Be5 42.Kf3 Kd5 43.Ke2 Ke4 44.Kd2 Bf4+ 45.Ke2 d3+ 46.Kd1 Ke3 47.Ke1 Bg3+ 48.Kd1 d2 49.Kc2 Ke2 50.Kc3 d1=Q 51.Kc4 Bc7 52.Kb5 Qc2 53.Ka6 Qc6+ 54.Ka7 Qb6+ 55.Ka8 Qb8# 0-1
途中、相手のナイト（桂馬）を取れることを発見し、そこでリードすることができました。
駒の差がついたとは、盤面の駒を消去し局面をシンプル化していきます。
そして、ポーンをクイーンに昇格させて、最後は、盤面の隅で詰ますことができました。
将棋の場合、「雪隠詰め」というのですが、チェスもこのような言葉ってあるんでしょうか？
映画『鋼の錬金術師』 [テレビ / 映画]
2017年12月1日に映画『鋼の錬金術師』が公開されます。
あまり期待していなかったけど、予告編を見たら、見に行きたくなりました。ｗ
映画『鋼の錬金術師』本予告【HD】2017年12月1日公開
映画『鋼の錬金術師』予告Ⅱ【HD】2017年12月1日公開
映画『鋼の錬金術師』予告Ⅲ【HD】2017年12月1日公開
あまり期待していなかったけど、予告編を見たら、見に行きたくなりました。ｗ
映画『鋼の錬金術師』本予告【HD】2017年12月1日公開
映画『鋼の錬金術師』予告Ⅱ【HD】2017年12月1日公開
映画『鋼の錬金術師』予告Ⅲ【HD】2017年12月1日公開
実践 IBM SPSS Modeler 顧客価値を引き上げるアナリティクス [データサイエンス、統計モデル]
SPSS Modelerの本が出ます！
実践 IBM SPSS Modeler 顧客価値を引き上げるアナリティクス
https://www.amazon.co.jp/dp/448902276X/
半ページだけですが、記念にコメントを書かせてもらいました。
実践 IBM SPSS Modeler 顧客価値を引き上げるアナリティクス
https://www.amazon.co.jp/dp/448902276X/
実践 IBM SPSS Modeler~顧客価値を引き上げるアナリティクス
- 作者: 西牧 洋一郎
- 出版社/メーカー: 東京図書
- 発売日: 2017/10/10
- メディア: 単行本
半ページだけですが、記念にコメントを書かせてもらいました。
