顔面と脳に関する雑多な話が色々書かれている。
紡錘状回顔領域、後頭顔領域、下側頭回…顔専門神経回路多いな。
となると、やっぱ、チャーノフの顔グラフはもっと活用できる場面はあるんじゃないかな、と思いつつも余り思いつかぬ…。棒グラフやレーダーチャートより絶対見分けるの速そうなんだがな…。

いや視点のヘッドホッピングを修正していたんですよ。
修正したのをGeminiに見てもらおうとしたら…こんな事を言い出した。おいおい、ChatGPTじゃあるまいし…。一体何が不満なんだ…。



理由を詳しく聞いてみたら…



裏切りものー！解約待ったなし。

だが…特殊な交渉術をつかってコメントを貰う事ができた…まだ解約は待ってやろう…。


しかし毎回、特殊な交渉術は面倒というか、そもそも、AIに処理を一旦断られる事、それ自体が割とストレス。ChatGPTはそれで使わなくなったのに…。何でも気兼ねなく依頼できるからGeminiだったのに…。
このふるまいの変化、2/20にGemini Pro 3.1になったというのが怪しいよな…。

何か花粉症っぽい症状が出てきたな…。
この時期はスギ花粉か。

LinierSVCもひと段落したし、再び視点のヘッドホッピング修正に戻る。
これはデバッグみたいなものだからさっさと終わらせたい。
終わらせたいが…中々面倒くさい…どころか難しいな…。一つの章を一人視点に徹底すると、やっぱり無理があって、事象の順番もちょっと変えないといけない所が出てきたり。
文章は一次元故のこんな制約があったとは…。
何？紙は二次元だから文章も二次元だろうって？
文章を読む際の移動は前後移動のみ…それも大半が前進のみなんだから一次元に決まってるやんけ。「縦読み」などの例外を除けば。

ちなみに試しにGemini大先生に「この章をこいつ視点で統一してくれ」頼むと、余りにも大胆に省略してくるのでイマイチ。

機械学習版を稼働。
ん－…誤爆はしなくなったけど、１日に２０個位しか分類しないな…しかも大半は既存の正規表現でもひっかかるやつ。微妙だな。やっぱ文章が短いんだよな。詳細情報も溜めるべきか。今からか…。
既存の正規表現は10年以上掛けて熟成したものだからの…。
多少は役に立っていないこともないのでヨシとするか。

嫁も部屋に椅子が欲しいということで先日ニトリに行って良さげなゲーミングチェアがあったんだけど、配送をやってないと。その後、ニトリの通販サイトを見たら同じタイプのものが半額であったので通販サイトで買ったのが今日来た。黒と緑。
中々座り心地が良いね。特に腰まくらが良い。ただ、椅子の背中にネフライトってキャラの絵が描いてある。嫁はそういうの気にしないのでこれは良い買い物したと言ってるけど、誰なのか…。セーラームーンの悪の四天王のロン毛とは違う若い男(?)の釣り目系。むしろジェダイトに似てる感。


それにしても普通、その手のキャラが描いてあると値が上がるものだが、描いてあるだけで半額になる貧乏神かよ。

FLAMLも何かエラーばかりで上手く動かず。
Auto-sklearn:Python 3.12では動かない過去の遺物
Auto-sklearn2:名前は似ているけど機能はかなり縮小された別モノ。マルチラベル分類には未対応
FLAML：何かバグがあるそうな。Gemini大先生に言わせると

エラーの内容とこれまでの経緯を調査したところ、現在のFLAMLのバージョンには**マルチラベル分類において、正解データの形式チェックで発生する不具合（2次元配列を平坦化してチェックしてしまう問題など）**が含まれており、回避が非常に困難であることが判明しました。

代替策として、「Optuna（オプチュナ）」 を使用したチューニングスクリプトを提案します。

推奨する解決策：Optunaへの切り替え

Optuna は、現在最も広く使われているハイパーパラメータ自動最適化フレームワークです。

メリット: Windowsで安定して動作し、Scikit-learnのモデル（SVMなど）と親和性が高く、非常に高速です。
方針: 既存の「OneVsRest + LinearSVC」の構成は維持しつつ、そのパラメータ（C や loss など）を自動探索させます。

…と言う事らしいので、よくわからんけど、そのOptunaに切り替え。今度は上手く動いた。
Windows対応と言う所が有難い。

Best F1 Score: 0.5113

Best Params:

  classifier: LinearSVC

  svc_C: 0.5832153300145995

  svc_class_weight: None

  svc_loss: squared_hinge

auto-sklearnという、scikit-learnのモデルやらパラメータやら何やらを自動調節してくれるフレームワークがあるそうで。
残念ながらLinuxのみ対応。Windowsでは使えない。
んで、使ってるPythonが3.12なんだけど、インストールしようとすると、

$ pip install auto-sklearn

Defaulting to user installation because normal site-packages is not writeable

Collecting auto-sklearn

  Using cached auto-sklearn-0.15.0.tar.gz (6.5 MB)

  Installing build dependencies ... done

  Getting requirements to build wheel ... done

  Preparing metadata (pyproject.toml) ... done

Requirement already satisfied: setuptools in /home/t-saito/.local/lib/python3.12/site-packages (from auto-sklearn) (81.0.0)

Collecting typing_extensions (from auto-sklearn)

  Using cached typing_extensions-4.15.0-py3-none-any.whl.metadata (3.3 kB)

Collecting distro (from auto-sklearn)

  Using cached distro-1.9.0-py3-none-any.whl.metadata (6.8 kB)

Requirement already satisfied: numpy>=1.9.0 in /home/t-saito/.local/lib/python3.12/site-packages (from auto-sklearn) (2.4.2)

Requirement already satisfied: scipy>=1.7.0 in /home/t-saito/.local/lib/python3.12/site-packages (from auto-sklearn) (1.17.0)

Requirement already satisfied: joblib in /home/t-saito/.local/lib/python3.12/site-packages (from auto-sklearn) (1.5.3)

Collecting scikit-learn<0.25.0,>=0.24.0 (from auto-sklearn)

  Using cached scikit-learn-0.24.2.tar.gz (7.5 MB)

  Installing build dependencies ... done

  Getting requirements to build wheel ... done

  Preparing metadata (pyproject.toml) ... error

  error: subprocess-exited-with-error

  × Preparing metadata (pyproject.toml) did not run successfully.

  x exit code: 1

  mq> [20 lines of output]

      <string>:17: UserWarning: pkg_resources is deprecated as an API. See https://setuptools.pypa.io/en/latest/pkg_resources.html. The pkg_resources package is slated for removal as early as 2025-11-30. Refrain from using this package or pin to Setuptools<81.

      Partial import of sklearn during the build process.

      Traceback (most recent call last):

        File "/usr/local/lib/python3.12/site-packages/pip/_vendor/pyproject_hooks/_in_process/_in_process.py", line 389, in <module>

          main()

        File "/usr/local/lib/python3.12/site-packages/pip/_vendor/pyproject_hooks/_in_process/_in_process.py", line 373, in main

          json_out["return_val"] = hook(**hook_input["kwargs"])

                                   ^^^^^^^^^^^^^^^^^^^^^^^^^^^^

        File "/usr/local/lib/python3.12/site-packages/pip/_vendor/pyproject_hooks/_in_process/_in_process.py", line 175, in prepare_metadata_for_build_wheel

          return hook(metadata_directory, config_settings)

                 ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^

        File "/tmp/pip-build-env-d3gi7lsr/overlay/lib/python3.12/site-packages/setuptools/build_meta.py", line 380, in prepare_metadata_for_build_wheel

          self.run_setup()

        File "/tmp/pip-build-env-d3gi7lsr/overlay/lib/python3.12/site-packages/setuptools/build_meta.py", line 520, in run_setup

          super().run_setup(setup_script=setup_script)

        File "/tmp/pip-build-env-d3gi7lsr/overlay/lib/python3.12/site-packages/setuptools/build_meta.py", line 317, in run_setup

          exec(code, locals())

        File "<string>", line 301, in <module>

        File "<string>", line 293, in setup_package

      ModuleNotFoundError: No module named 'numpy.distutils'

      [end of output]

  note: This error originates from a subprocess, and is likely not a problem with pip.

error: metadata-generation-failed

× Encountered error while generating package metadata.

mq> scikit-learn

note: This is an issue with the package mentioned above, not pip.

hint: See above for details.

御覧の有様だよ。
Pythonは正直よく知らないのだけれど、調べたところによると、Pythonは3.12からnumpy.distutilsというものが使えなくなったそう…なんだけれど、実はAuto-Sklearnは3.12でも使えるんだが、auto-sklearnのリポジトリが更新をサボっているそうで（何が何やら）。
良く判らんけど、3.11～のは　https://github.com/agnelvishal/auto_sklearn2　にあるそうな。
そちらをインストールしたら、一応、成功メッセージが出たので多分インストール完了なのだろう。

$ pip install auto-sklearn2

Defaulting to user installation because normal site-packages is not writeable

Collecting auto-sklearn2

  Downloading auto_sklearn2-1.0.0-py3-none-any.whl.metadata (6.2 kB)

Requirement already satisfied: numpy>=1.23.0 in /home/t-saito/.local/lib/python3.12/site-packages (from auto-sklearn2) (2.4.2)

Requirement already satisfied: scipy>=1.9.0 in /home/t-saito/.local/lib/python3.12/site-packages (from auto-sklearn2) (1.17.0)

Requirement already satisfied: scikit-learn>=1.2.0 in /home/t-saito/.local/lib/python3.12/site-packages (from auto-sklearn2) (1.8.0)

Collecting pandas>=1.5.0 (from auto-sklearn2)

  Downloading pandas-3.0.0-cp312-cp312-manylinux_2_24_aarch64.manylinux_2_28_aarch64.whl.metadata (79 kB)

Collecting python-dateutil>=2.8.2 (from pandas>=1.5.0->auto-sklearn2)

  Downloading python_dateutil-2.9.0.post0-py2.py3-none-any.whl.metadata (8.4 kB)

Collecting six>=1.5 (from python-dateutil>=2.8.2->pandas>=1.5.0->auto-sklearn2)

  Downloading six-1.17.0-py2.py3-none-any.whl.metadata (1.7 kB)

Requirement already satisfied: joblib>=1.3.0 in /home/t-saito/.local/lib/python3.12/site-packages (from scikit-learn>=1.2.0->auto-sklearn2) (1.5.3)

Requirement already satisfied: threadpoolctl>=3.2.0 in /home/t-saito/.local/lib/python3.12/site-packages (from scikit-learn>=1.2.0->auto-sklearn2) (3.6.0)

Downloading auto_sklearn2-1.0.0-py3-none-any.whl (8.9 kB)

Downloading pandas-3.0.0-cp312-cp312-manylinux_2_24_aarch64.manylinux_2_28_aarch64.whl (10.4 MB)

   qqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqqq 10.4/10.4 MB 117.0 MB/s  0:00:00

Downloading python_dateutil-2.9.0.post0-py2.py3-none-any.whl (229 kB)

Downloading six-1.17.0-py2.py3-none-any.whl (11 kB)

Installing collected packages: six, python-dateutil, pandas, auto-sklearn2

Successfully installed auto-sklearn2-1.0.0 pandas-3.0.0 python-dateutil-2.9.0.post0 six-1.17.0

$ pip list

Package         Version

--------------- -----------

auto-sklearn2   1.0.0

joblib          1.5.3

numpy           2.4.2

pandas          3.0.0

pip             26.0.1

python-dateutil 2.9.0.post0

scikit-learn    1.8.0

scipy           1.17.0

setuptools      81.0.0

six             1.17.0

threadpoolctl   3.6.0

なお、よく読むと結構相違点があって簡易版だな…。特にメタラーニングとベイズ最適化はauto-sklearnの売りだったのに…。

Auto-Sklearn2 is a simplified version of auto-sklearn with the following differences:

1. No ConfigSpace Dependency: Uses scikit-learn's built-in models and preprocessing methods
2. Python 3.11+ Compatible: Works with the latest Python versions
3. No Meta-Learning: Does not use meta-learning to warm-start the optimization
4. No Ensemble Building: Does not build ensembles of models
5. Simpler Hyperparameter Optimization: Uses cross-validation instead of Bayesian optimization

つかこれ、マルチラベル分類に対応してないやんけ。使えん。
Microsoftの　FLAML　というものがあるそうなのでそっちにするわ。Windowsでも動きそうだし。

ちなみに、調査の過程で同じようにモデルやパラメータを自動チューニングしてくれる、AutoGluon　というものの存在を知った。けどまぁこれは後日気が向いたら。何かランダムフォレストとか言ってるので遅そうな感じが。