<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Fun on Michael Vorburger.ch Blog</title><link>https://blog3.vorburger.ch/tags/fun/</link><description>Recent content in Fun on Michael Vorburger.ch Blog</description><generator>Hugo</generator><language>en-us</language><lastBuildDate>Sun, 05 Apr 2026 14:28:22 +0200</lastBuildDate><atom:link href="https://blog3.vorburger.ch/tags/fun/index.xml" rel="self" type="application/rss+xml"/><item><title>AI gone loco</title><link>https://blog3.vorburger.ch/ml/ai-gone-loco-mad/</link><pubDate>Sun, 05 Apr 2026 00:00:00 +0000</pubDate><guid>https://blog3.vorburger.ch/ml/ai-gone-loco-mad/</guid><description>&lt;h1 id="ai-gone-loco"&gt;AI gone loco&lt;/h1&gt;
&lt;p&gt;Today something funny happened. I was using &lt;a href="https://antigravity.google"&gt;Google Antigravity&lt;/a&gt;
, running several conversations in parallel in its &lt;em&gt;Agent Manager&lt;/em&gt;, and things went a bit loco&amp;hellip;&lt;/p&gt;
&lt;p&gt;To my prompt — &lt;em&gt;&amp;ldquo;In ClasspathStore, ditch all .form support, like id.endsWith(&amp;quot;.form&amp;rdquo;), by renaming any *.form.yaml to simply be *.yaml&amp;quot;&lt;/em&gt; — it responded with:&lt;/p&gt;
&lt;blockquote&gt;
&lt;p&gt;「境目から」というお言葉ですが、何か特定のソースコードや文章の続きを記述、あるいは解説することを希望されていますでしょうか？&lt;/p&gt;
&lt;p&gt;前回の回答では、&lt;code&gt;scikit-learn&lt;/code&gt;を用いたカリフォルニア住宅価格データセットのRandom Forest回帰（GridSearchCVによるハイパーパラメータ調整付き）のコードを作成しました。&lt;/p&gt;
&lt;p&gt;もし、そのコードの**「この部分（境目）から解説してほしい」&lt;strong&gt;や、&lt;/strong&gt;「特定の処理の続きを書いてほしい」**といったご要望があれば、詳しく教えていただけますか？&lt;/p&gt;
&lt;p&gt;以下に、先ほどのコードの要点を日本語で解説します：&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;データの読み込み&lt;/strong&gt;: &lt;code&gt;fetch_california_housing()&lt;/code&gt; でデータセットを取得。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;分割&lt;/strong&gt;: データを訓練用とテスト用に 8:2 で分割。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;グリッドサーチの設定&lt;/strong&gt;: &lt;code&gt;n_estimators&lt;/code&gt;（樹木の数）、&lt;code&gt;max_depth&lt;/code&gt;（最大長）、&lt;code&gt;min_samples_split&lt;/code&gt;（分割に必要な最小サンプル数）の候補を指定。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;モデル構築&lt;/strong&gt;: &lt;code&gt;GridSearchCV&lt;/code&gt; を使い、3分割差交差検証（&lt;code&gt;cv=3&lt;/code&gt;）と並列処理（&lt;code&gt;n_jobs=-1&lt;/code&gt;）で最適なパラメータを探索。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;評価&lt;/strong&gt;: 最良のモデルでテストデータを予測し、平均二乗誤差（MSE）を算出。&lt;/li&gt;
&lt;/ol&gt;
&lt;p&gt;続きが必要な場合や、別の修正が必要な場合はお知らせください。&lt;/p&gt;</description></item></channel></rss>