5cm三連装副砲 三式弾(なければ12.
更新日時 2021-07-19 19:08 艦これ(艦隊これくしょん)の愛宕(あたご)の評価やステータス、、建造レシピを紹介。愛宕のドロップ場所や運用方法、イラスト、声優(CV)も記載しているので愛宕を使う際の参考にどうぞ。 ©C2Praparat Co., Ltd. 目次 愛宕のステータス 愛宕の育成優先度と特徴 愛宕の評価 愛宕の運用方法 愛宕のプロフィールと画像 愛宕の入手方法とドロップ場所 関連リンク 愛宕のステータス ステータス値 耐久 45 火力 54 装甲 49 雷装 59 回避 対空 56 搭載 6 対潜 - 速力 高速 索敵 39 射程 中 運 10 / 49 (※Lv99時のステータスです) 最大燃費 ケッコン前 ケッコン後 燃料 40 34 弾薬 65 55 艦載機搭載数 スロット1 2 スロット2 スロット3 初期装備 20. 3cm連装砲 零式水上偵察機 未所持 (装備不可) 改造チャートと必要素材 改造 レベル キャラ 必要アイテム 25 愛宕 450 300 ↓ 愛宕改 育成優先度 設計図優先度 ケッコン優先度 C D 耐久上げ優先度 対潜上げ優先度 運改修優先度 評価基準 評価 理由 S 全艦種の中でも最優先して育成/強化をするべき。 A イベントの甲攻略や、毎月EOを攻略するなら育成や強化をするべき。 B 十分強力な艦娘。札対策やローテ要員として育成する。 普段は使わないが特殊な役割を持つ。育てておくと突然のルート固定要員になっても安心。 性能面では優先する要素がない。好みならここはSに変わる。 (※耐久改修はケッコン後の耐久を前提に記載しています。ケッコン前は耐久改修の優先度が変わる場合があります。) 入手時から即戦力になる 愛宕は未改造時点で高いステータスを持っている。ルート固定で重巡を要求されたり、戦艦を使うまでもない海域での活躍が見込める。 弾着観測射撃を活かそう 愛宕は装備スロットが3つ空いているので、入手時から弾着観測射撃が可能。主砲2本と水上偵察機を装備させて火力役を任せたい。 編成・出撃任務が存在 愛宕は「第四戦隊」に関連した編成・出撃任務で必要となる。改造レベルまで育成すればクリアは可能。 愛宕の全身画像/中破画像 通常イラスト データベース 図鑑No. 60 艦種 重巡洋艦 艦型 高雄型 2番艦 所属国 日本 イラストレーター みことあけみ CV 東山奈央 図鑑テキスト 高雄型の2番艦、愛宕よ、うふふ。呉海軍工廠で生まれたの。バランスがとれた重武装ボディでしょ?レイテ沖の決戦では、第一遊撃部隊の旗艦として出撃したんだけど……ま、そんなこともあるわよね。 高雄型 高雄 高雄改 摩耶 摩耶改 摩耶改二 鳥海 鳥海改 鳥海改二 ドロップ海域 2-1 2-2 2-3 2-4 2-5 3-1 3-2 3-3 3-4 3-5 4-1 4-2 4-3 4-4 4-5 5-1 5-2 5-3 5-4 5-5 6-1 6-2 6-3 6-4 6-5 7-1 7-2 建造レシピ 通常建造 鋼材 ボーキ 開発資材 250 30 200 1 建造時間 1:25:00 建造に関連するページ 建造レシピ 大型レシピ 建造時間一覧 育成におすすめの艦娘 駆逐艦 軽巡洋艦 戦艦 正規空母 軽空母 その他 全艦種でおすすめの艦娘 艦種別の艦娘一覧 雷巡 練習巡洋艦 航空巡洋艦 航空戦艦 装甲空母 水上機母艦 潜水艦 潜水空母 潜水母艦 海防艦 工作艦 補給艦 揚陸艦 その他一覧 改二一覧
艦これの、重巡洋艦の作り方を教えて下さい。 いつも工廠で艦娘を作ると、ほとんど駆逐艦です。重巡洋艦が全くでません。 作り方がもしあるのなら、レシピを教えて下さい。 戦艦も欲しいなら400/100/600/30 戦艦は要らない場合は250/130/200/30 がオススメです 特に下は重巡以外にも島風や雪風、潜水艦も出る優秀なレシピでそのハズレとして重巡が出ます 5人 がナイス!しています ThanksImg 質問者からのお礼コメント 250/130/200/30のレシピでやってみたところ、1回目妙高、2回目愛宕が出ました!!! ありがとうございました。 お礼日時: 2013/10/5 10:00 その他の回答(2件) レシピという単語を知ってると言う事は、ALL30でしか建造してない、なんて事は無いと思いますが、「作り方」なんてものはこのゲームには存在しません。 狙った種類が「出易いレシピ」はあっても、「必ず出るレシピ」は存在しませんので、作り方も存在しません。 ALL30だって、運次第で重巡は出るんですから。 重巡狙いのオーソドックスなレシピは、200/30/250/30、もしくは、270/30/330/130 戦艦狙いの方が重巡も出やすいが資材が倍必要なので、資材の少ない序盤に重巡のみを狙うなら非効率的。 もしかしてALL30でまわしていませんか? それでは駆逐、軽巡がほとんどです。 重巡洋艦は戦艦を狙うと作りやすいです。 戦艦レシピ(燃料/弾薬/鋼材/ボーキサイトの順に400/30/600/30か400/100/600/30) これを回してみるとよいでしょう。 追記 確かにレシピとあるのでALL30ではないかもしれません。そこは訂正しておきます。 確かに他の方が勧めるレア駆逐レシピ(250/30/200/30や270/30/330/130)でも重巡は出るのですが、戦艦レシピよりは出にくいです。 また、レア駆逐2回と戦艦1回を回すのに必要な資源はほぼ同じですから、戦艦レシピの方が開発資材を節約できるため優れているかと思います。 なぜなら、開発資材は資源と違って自然増加せず、序盤では開発資材を手に入れる任務・遠征などは少ないからです。 ○○を×隻撃破せよ系の任務で開発資材を手に入れるとなると戦艦レシピとレア駆逐レシピの差よりも出撃コストの方が高くついてしまうことが多いです。 試しに各10回まわしてみたので参考までに レア駆逐(250/30/200/30):駆逐2、潜水1、軽巡4、重巡3 戦艦(400/30/600/30):戦艦1、重巡8、軽巡1 数種類あるうちこれを選んだのは レア駆逐は潜水艦ねらい、戦艦はいつも回すやつです。 2人 がナイス!しています
LightgbmやXgboostを利用する際に知っておくべき基本的なアルゴリズム 「GBDT」 を直感的に理解できるように数式を控えた説明をしています。 対象者 GBDTを理解してLightgbmやXgboostを活用したい人 GBDTやXgboostの解説記事の数式が難しく感じる人 ※GBDTを直感的に理解してもらうために、簡略化された説明をしています。 GBDTのメリット・良さ 精度が比較的高い 欠損値を扱える 不要な特徴量を追加しても精度が落ちにくい 汎用性が高い(下図を参照) LightgbmやXgboostの理解に役立つ 引用元:門脇大輔、阪田隆司、保坂佳祐、平松雄司(2019)『Kaggleで勝つデータ分析の技術』技術評論社(230) GBDTとは G... Gradient(勾配) B...
それでは実際に 勾配ブースティング手法をPythonで実装して比較していきます! 使用するデータセットは画像識別のベンチマークによく使用されるMnistというデータです。 Mnistは以下のような特徴を持っています。 ・0~9の手書き数字がまとめられたデータセット ・6万枚の訓練データ用(画像とラベル) ・1万枚のテストデータ用(画像とラベル) ・白「0」~黒「255」の256段階 ・幅28×高さ28フィールド ディープラーニング のパフォーマンスをカンタンに測るのによく利用されますね。 Xgboost さて、まずは Xgboost 。 Xgboost は今回比較する勾配ブースティング手法の中でもっとも古い手法です。 基本的にこの後に登場する LightGBM も Catboost も Xgboost をもとにして改良を重ねた手法になっています。 どのモデルもIteration=100, eary-stopping=10で比較していきましょう! 結果は・・・以下のようになりました。 0. 9764は普通に高い精度!! ただ、学習時間は1410秒なので20分以上かかってます Xgboost については以下の記事で詳しくまとめていますのでこちらもチェックしてみてください! XGboostとは?理論とPythonとRでの実践方法! 当ブログ【スタビジ】の本記事では、機械学習手法の中でも非常に有用で様々なコンペで良く用いられるXgboostについてまとめていきたいと思います。最後にはRで他の機械学習手法と精度比較を行っているのでぜひ参考にしてみてください。... Light gbm 続いて、 LightGBM ! Pythonで始める機械学習の学習. LightGBM は Xgboost よりも高速に結果を算出することにできる手法! Xgboost を含む通常の決定木モデルは以下のように階層を合わせて学習していきます。 それをLevel-wiseと呼びます。 (引用元: Light GBM公式リファレンス ) 一方Light GBMは以下のように葉ごとの学習を行います。これをleaf-wise法と呼びます。 (引用元: Light GBM公式リファレンス ) これにより、ムダな学習をしなくても済むためより効率的に学習を進めることができます。 詳しくは以下の記事でまとめていますのでチェックしてみてください! LightGBMの仕組みとPythonでの実装を見ていこう!
給料の平均を求める 計算結果を予測1とします。 これをベースにして予測を行います。 ステップ2. 誤差を計算する 「誤差1」=「給料の値」ー「予測1」で誤差を求めています。 例えば・・・ 誤差1 = 900 - 650 = 250 カラム名は「誤差1」とします。 ステップ3. 誤差を予測する目的で決定木を構築する 茶色の部分にはデータを分ける条件が入り、緑色の部分(葉)には各データごとの誤差の値が入ります。 葉の数よりも多く誤差の値がある場合は、1つの葉に複数の誤差の値が入り、平均します。 ステップ4. アンサンブルを用いて新たな予測値を求める ここでは、決定木の構築で求めた誤差を用いて、給料の予測値を計算します。 予測2 = 予測1(ステップ1) + 学習率 * 誤差 これを各データに対して計算を行います。 予測2 = 650 + 0. 1 * 200 = 670 このような計算を行って予測値を求めます。 ここで、予測2と予測1の値を比べてみてください。 若干ではありますが、実際の値に予測2の方が近づいていて、誤差が少しだけ修正されています。 この「誤差を求めて学習率を掛けて足す」という作業を何度も繰り返し行うことで、精度が少しずつ改善されていきます。 ※学習率を乗算する意味 学習率を挟むことで、予測を行うときに各誤差に対して学習率が乗算され、 何度もアンサンブルをしなければ予測値が実際の値に近づくことができなくなります。その結果過学習が起こりづらくなります。 学習率を挟まなかった場合と比べてみてください! ステップ5. 【Pythonプログラム付】非常に強力な決定木のアンサンブル法ーランダムフォレストと勾配ブースティング決定木ー | モータ研究者の技術解説. 再び誤差を計算する ここでは、予測2と給料の値の誤差を計算します。ステップ3と同じように、誤差の値を決定木の葉に使用します。 「誤差」=「給料の値」ー「予測2」 誤差 = 900 - 670 = 230 このような計算をすべてのデータに対して行います。 ステップ6. ステップ3~5を繰り返す つまり、 ・誤差を用いた決定木を構築 ・アンサンブルを用いて新たな予測値を求める ・誤差を計算する これらを繰り返します。 ステップ7. 最終予測を行う アンサンブル内のすべての決定木を使用して、給料の最終的な予測を行います。 最終的な予測は、最初に計算した平均に、学習率を掛けた決定木をすべて足した値になります。 GBDTのまとめ GBDTは、 -予測値と実際の値の誤差を計算 -求めた誤差を利用して決定木を構築 -造った決定木をそれ以前の予測結果とアンサンブルして誤差を小さくする→精度があがる これらを繰り返すことで精度を改善する機械学習アルゴリズムです。この記事を理解した上で、GBDTの派生であるLightgbmやXgboostの解説記事を見てみてみると、なんとなくでも理解しやすくなっていると思いますし、Kaggleでパラメータチューニングを行うのにも役に立つと思いますので、ぜひ挑戦してみてください。 Twitter・Facebookで定期的に情報発信しています!
それでは、ご覧いただきありがとうございました!
ウマたん 当サイト【スタビジ】の本記事では、勾配ブースティングの各手法をPythonで実装して徹底比較していきます!勾配ブースティングの代表手法「Xgboost」「Light gbm」「Catboost」で果たしてどのような違いがあるのでしょうか? こんにちは! 消費財メーカーでデジタルマーケター・データサイエンティストをやっているウマたん( @statistics1012)です! Xgboost に代わる手法として LightGBM が登場し、さらに Catboost という手法が2017年に登場いたしました。 これらは 弱学習器 である 決定木 を勾配ブースティングにより アンサンブル学習 した非常に強力な機械学習手法群。 勾配ブースティングの仲間としてくくられることが多いです。 計算負荷もそれほど重くなく非常に高い精度が期待できるため、 Kaggle などの データ分析コンペ や実務シーンなど様々な場面で頻繁に使用されているのです。 ロボたん 最新のアルゴリズムがどんどん登場するけど、勾配ブースティング×決定木の組み合わせであることは変わらないんだね! ウマたん そうなんだよー!それだけ勾配ブースティング×決定木の組み合わせが強いということだね! 勾配ブースティング決定木を用いた橋梁損傷原因および補修工法の推定と分析. この記事では、そんな 最強の手法である「勾配ブースティング」について見ていきます! 勾配ブースティングの代表的な手法である「 Xgboost 」「 LightGBM 」「 Catboost 」をPythonで実装し、それぞれの 精度と計算負荷時間 を比較していきます! ウマたん Pythonの勉強は以下の記事をチェック! 【入門】初心者が3か月でPythonを習得できるようになる勉強法! 当ブログ【スタビジ】の本記事では、Pythonを効率よく独学で習得する勉強法を具体的なコード付き実装例と合わせてまとめていきます。Pythonはできることが幅広いので自分のやりたいことを明確にして勉強法を選ぶことが大事です。Pythonをマスターして価値を生み出していきましょう!... 勾配ブースティングとは 詳細の数式は他のサイトに譲るとして、この記事では概念的に勾配ブースティングが理解できるように解説していきます。 動画でも勾配ブースティング手法のXGBoostやLightGBMについて解説していますので合わせてチェックしてみてください!