一人暮らしして1年になるので、生活における消耗品の消費状況をまとめてみた

一人暮らしをし始めてから1年。
最初、生活における消耗品を「これくらい買って使い切れるだろうか…」とか考えながら買ったり、最小の量のものを買ってもなかなか使い切らなかったりと、状況をまとめてみました。

生活の状況

• だいたい1日2食を自炊する（平日昼は食堂が主）
• 1年のうち家で寝た日数：320日くらい（帰省や長期出張などのぶんが減っている）

消費状況

有料の可燃ゴミのゴミ袋（10リットル）：3週間くらいに1枚

がさばるゴミはプラスチックゴミとして出せるものが多いため、食品くずやティッシュなどが主なゴミなわけだが、それだけだとそんなに増えない。なお食品くずは、臭いが出ないよう、ゴミ捨て場に出すまでは冷凍庫保管している。

キッチンペーパー：9か月くらいに1ロール

電子レンジで、冷凍の肉やスーパーで買った揚げ物を温める際に敷いている。あってほしいものであるのだが、そこまで頻繁には使わない。

ラップ（22cm×50m）：4か月くらいに1本

作り置きしたものを冷蔵庫に入れるのが主。

食器洗剤：6か月に1本

案外減らないと感じたもの1。自炊するので食器だけでなく調理器具を洗うぶんの消費もあるのだが、それでもなかなか減らない。

ボディーソープ、シャンプー（リンスイン）：5か月くらいに詰め替え用1袋

案外減らないと感じたもの2。

洗顔フォーム（180ml）：1年1か月くらいに1本

案外減らないと感じたもの3。引っ越してすぐに買ったものがもうすぐ使い切りそうというところ。

衣料洗剤（液体）：3か月くらいに詰め替え用1袋

これは結構減っていったこともあり、安売りのときにまとめて買うようにした。

札幌C++勉強会 #11 を開催しました

去る3月19日（土）に、札幌C++勉強会 #11 - connpassを開催しました。

現在、主に運営をしているメンバーが札幌にいない状況ではありますが（私と@ignis_fatuusさん）、二人が時折札幌に戻るときに実施しています。その前の第10回（2015年12月26日）も、二人が帰省するタイミングを狙って計画したものでした。
※なお、「札幌やその周辺に住んでいて、C++勉強会を計画したい！」という方がいましたら歓迎ですのでご一報ください。

私の発表

名古屋に移って研究の内容が大きく変わったわけなのですが、そこで行うようになったことをテーマに話しました。

関数の最小値を求めることから機械学習へ from Hiro H.

「関数の最小化」は、中学や高校を含め、数学ではよく出る問題です。これはより一般には「最適化」と呼ばれる問題にあたり、機械学習の分野でもこれは非常に重要な考え方であるという話です。

最近「ビッグデータ」などと呼ばれるように、データがたくさん手に入るようになったことから、それを分析する手段の開発も重要となっています。人間は「事例を見て、行うべき判断などを知る」という「学習」を行いますが、コンピュータ上で手段は違えど「事例を見て、行うべき判断などを知る」ということを行わせる、というのが「機械学習」です。例えば迷惑メールフィルタを作ることを例に取ると、迷惑メールになる条件を人手で記述するのではなく、ユーザの迷惑メール報告をもとに構築するのが機械学習の考え方ということになります。

機械学習の実際の計算においては、手法によって違いはありますが、簡略化して書くと以下のような手順を踏むことになります。

• 結果（上記の例でいえば「迷惑メールであるか否か」）を表現する関数やデータ構造の形（例えば、「データを x, y としたとき、 p(x, y) = ax + by + c の形で書ける関数」）を決める。
• 関数 p(x, y) が、すでに持ち合わせているデータ（訓練データという。上記の例でいえば「すでに報告されている迷惑メール」）からどれだけ離れているかを表す関数 f(a, b, c) を作る。
• f(a, b, c) を最小化するような a, b, c を求め、p(x, y) に適用する。これが「訓練データをもっともよく反映した、結果を表現する関数」となる。

特に機械学習を行うという観点では、その関数 f(a, b, c) の最小化が実際に計算できないのでは、学習結果も得られないことになってしまうため、どんな関数であれば計算が容易なのか判断することは非常に大事です。詳細は資料中で解説していますが、この問題を考えるにあたって重要なキーワードとして、「極小値」や「凸関数」というものがあります。

C++のソースコードも用意しています（github: maraigue/sapporocpp-20160319）。簡単な実装ではありますが、機械学習の簡単な例である線形分類（「男性と女性」など2種類に分けられるデータ点を、2次元なら直線、3次元なら平面…で分ける最良のものを出力する）のサンプルも用意しています。