神奈川県庁=横浜市中区 [PR] 神奈川県 内では23日、 新型コロナウイルス の感染者652人が発表された。前週の同じ曜日(16日)に比べて206人多く、急増が続いている。県内で発表された感染者は延べ7万5763人(朝日新聞集計)となった。死者の発表は無かった。 感染者の居住地別内訳は 横浜市 285人、 川崎市 125人、 相模原市 61人、 茅ケ崎市 31人、 藤沢市 28人、 鎌倉市 19人、 横須賀市 17人、平塚、厚木、 大和市 各7人、 座間市 6人、 小田原市 4人、 海老名市 と寒川、二宮、 湯河原町 各3人、 綾瀬市 と開成町と清川村各2人、逗子、三浦、 秦野市 と葉山、大井町各1人、 東京都 9人、 熊本県 1人、海外から入国した 東京五輪 ・ パラリンピック 関係者1人、自治体非公表21人。
徳島ヴォルティス 徳島県にホームを置くプロサッカークラブ「徳島ヴォルティス」の話題なら何でもOK! テーマ投稿数 28件 参加メンバー 10人 宇和島市 四国西南地域、四万十川と宇和海に囲まれた宇和島市を中心とした南予地方の情報を交換しましょう。 テーマ投稿数 64件 参加メンバー 14人 外務探偵の哲学 異文化を知り尽くすって面白いですよ。 私は高知県に移り住んだのですが、何と アトランティス大陸さえより深く文学的 対象としているそうです。吃驚しました。 何か新しくて複雑な世界(専門的となる) を求めるだけにして、その志向性を保つ ことができます。是非とも対話による化学 的情報の発散を試みよう。 テーマ投稿数 2件 参加メンバー 2人 新居浜大好き! 人は誰かになれる. 四国は愛媛県のほぼ?中心部にある新居浜市。 ものづくりが盛んな工業都市ですが、 お祭り好きの気質はどこにも負けない市民性です。 そんな新居浜市に関するトラコミュが無かったので作りましたよ! 新居浜に関するブログ。新居浜の方、新居浜出身の方のブログ。何でもOKですので、トラックバック宜しくお願いしますね。 テーマ投稿数 137件 参加メンバー 11人 松山大好き! 四国は愛媛県の県都である松山市が大好きです! そんな松山のトラコミュが無かったので作りました。 松山出身の方、松山在住の方、松山によく来ている方、松山に以前住んでいた方、松山に親戚が居る方などなど、松山の話題を持っている方。 ドシドシとトラックバックしてくださいね! テーマ投稿数 1, 311件 参加メンバー 56人 高松 江戸時代には譜代大名・高松藩の城下町として盛え、高松城天守がこの街のシンボルであったが、明治時代に破却されてしまった。2004年に高松シンボルタワーが完成して以降は、それがシンボル的存在になっている。 テーマ投稿数 77件 参加メンバー 21人 鳴門 鳴門海峡の渦潮(鳴門の渦潮)が有名である。大鳴門橋を跨ぐと関西の淡路島となるため、四国と関西を結ぶ交通の要衝である。神戸淡路鳴門自動車道を経て神戸・大阪方面と繋がっており、京阪神からは四国の玄関口となっている。鳴門公園やドイツ館など多数の観光地を抱える徳島県下有数の観光都市であると同時に、地元発祥の大塚グループ関連の工場や企業、施設が多数立地する企業城下町としての側面も持ち合わせている。第一次世界大戦当時には、板東俘虜収容所と呼ばれたドイツ人の収容所があり、日本で初めてベートーベンの第九の演奏が行われた。また、大麻地区には四国八十八箇所霊場の1番札所である霊山寺があり、季節を問わず、白衣を着た遍路の姿が絶えない。特産品として、鳴門金時(なるときんとき)(金時)や鳴門わかめなどが有名である。 テーマ投稿数 63件 参加メンバー 23人 *四国在住キャンプだいすき* 四国在住でキャンプなどアウトドアに興味のある方!
699 → 追加後 0. 871 AUC:追加前 0. 651 → 追加後 0. 904 混同行列を見ると、1st tryでは失敗と予測したプロジェクトが実際は成功しているケースが多かったですが、支援者数も特徴量に加えた3rd tryでは失敗と予測したプロジェクトが実際は成功しているケースが大きく減少して、予測精度が上がっていることが分かります(実際に失敗しているプロジェクトを予測で失敗と分類できている)。 ランダムフォレストによる特徴量の重要度比較 ランダムフォレストという機械学習アルゴリズムで、各特徴量の重要度を出してみると、支援者数(supporter)の重要度が他の特徴量と比べて非常に大きいことが分かります。 その後に目標額(goal)と支援金単価(each_amount_***)が同じ程度の重要度で並んでいます。 ちなみにランダムフォレストを使って学習させたモデルでは、Accuracy scoreが0. 91となっており、決定木よりも更に精度よく予測できていました。 3rd try 決定木の分類可視化 3rd tryの決定木モデルの分類を可視化しました。 今回の決定木の深さでは、支援者数と目標額のみで分類していることが分かります。 先ほどと同じようにdtreevizを使って、分類の結果をグラフ化しました。 円グラフを見ると、支援者数を特徴量に追加することで、1st tryよりも成功と失敗のプロジェクトがきれいに分かれていて、分類精度が上がっていると考えられます。 3rd tryの分類を見てみると、まず、目標額が78200円よりも大きい場合、支援者数を14. 5人より多く集めることができないと、成功率は5. 8%と非常に低くなります。 次に目標額が22万8000円の場合、支援者数を14. 5〜30. 5人集めることができれば、成功率は70. 2%と比較的高いですが、22万8000円よりも大きく目標額を設定すると成功率は22. 7%とだいぶ下がってしまいます。 目標額が78万8800円以下の場合、支援者数を30. 5〜68. クラウドファンディングの成功率、「キックスターター」ではどのくらい？ | KickstarterNavi. 5人集めることができれば、成功率は75. 6%となっています。また、支援者数を68. 5人よりも多く集められる場合は、目標額が104万円以下であれば、成功率が95.
ではそのようなきびしい状況の中で、成功する30%に入るにはどうするといいでしょうか?
621となっており、あまり高い予測精度にはなりませんでした(今回のような成功か失敗かの2値分類ではランダムに半々に分けた時のAccuracy score=0.
4 最も支援が入りやすい ラストスパート期 ラストスパート期は、最も支援が入りやすい期間です。 しかしなぜ、このような現象が起きるのでしょうか? これまでご紹介してきた、事前広報期間、スタートダッシュ期、中期期間。たくさんの支援のタイミングがありますが、支援する立場に立ってみましょう。 最後の達成に向かっている時期にプロジェクトを支援する方が、支援の価値が高いような気がしませんか? 例えば、以下のAとBを状況をイメージしてみてください。 A:プロジェクトリリース当初の期間に、目標金額100万円のうちの1万円を支援する場合。 B:プロジェクトラストスパート期間に、目標金額まで残り5万円のうちの1万円を支援する場合。 Bの方は支援の価値が高い気がしませんか?
2020. 07. 29公開 2020. 09.