約 90,234 件
https://w.atwiki.jp/naruhara/pages/394.html
イザナギ:ヘッド 装備性能 アタッチメント 入手手段 画像予定。 型番 ZAP-ZG-H05 ヘッド 旧型機に偽装した特殊な軽装甲アーマー。ロックオンサイトが特殊な索敵範囲の広い軽装甲ヘッド。 同シリーズ他部位 ボディなし アームなし レッグなし 装備性能 ここでは項目を縦に並べています。 「ゲーム内で確認出来る並びと殆ど同じ」と考えて頂ければ、分かりやすいかもです。 イザナギ 消費メモリ 242 耐久値 2,750 防御力 135 バレット防御 282 レーザー防御 156 サイトサイズ S300 400 ロックオン時間 0.60 ロックオン距離 207 レーダー索敵範囲 492 射撃補助性能 31 炎上耐性 55 帯電耐性 55 アシッド耐性 55 重量 68 同部位最高値 同部位平均値 同部位最低値 289 237 147 7,350 3,883 1,180 417 211 44 413 216 11 473 216 4 S880 430 - R240 0.75 0.63 0.55 400 256 95 570 385 190 50 28 10 143 58 デモンエクスマキナ_イザナミ:ヘッド 143 70 8 143 54 8 167 110 54 ※上記の表は現在初期ver.の状態です。 アタッチメント 最大スロット枠は3まで確認。 種類 確認した付与アタッチメント Lv1 Lv2 Lv3 アーマー 装甲値アップ 〇 炎上耐性アップ 〇 ヘッド サイト拡大 〇 〇 アタッチメントのレベルはランダムだと思いますが、念のために全て記録しています。 入手手段 【装備している人物】 ジャック クロウ ノーツ 【装備しているストライ】 オーダー名 オーダータイプ 月の欠片データ収集任務 フリー:ランクA フリー:ランク
https://w.atwiki.jp/naruhara/pages/308.html
オサフネ:ヘッド 装備性能 アタッチメント 入手手段 画像予定。 型番 ZAP-OF-H02 ヘッド ロングレンジでの戦闘を想定したアーマー。ロックオン距離を強化した軽装甲ヘッド。 同シリーズ他部位 ボディ アーム レッグ 装備性能 ここでは項目を縦に並べています。 「ゲーム内で確認出来る並びと殆ど同じ」と考えて頂ければ、分かりやすいかもです。 オサフネ 消費メモリ 213 耐久値 2,890 防御力 151 バレット防御 167 レーザー防御 192 サイトサイズ R318 ロックオン時間 0.65 ロックオン距離 325 レーダー索敵範囲 353 射撃補助性能 17 炎上耐性 36 帯電耐性 36 アシッド耐性 143 重量 61 同部位最高値 同部位平均値 同部位最低値 289 237 147 7,350 3,883 1,180 417 211 44 413 216 11 473 216 4 S880 430 - R240 0.75 0.63 0.55 400 256 95 570 385 190 50 28 10 143 58 デモンエクスマキナ_イザナミ:ヘッド 143 70 8 143 54 8 167 110 54 ※上記の表は現在初期ver.の状態です。 アタッチメント 最大スロット枠は3まで確認。 種類 確認した付与アタッチメント Lv1 Lv2 Lv3 ヘッド サイト拡大 〇 〇 射撃補助性能アップ 〇 アタッチメントのレベルはランダムだと思いますが、念のために全て記録しています。 入手手段 【装備している人物】 アーティスト 【装備している機体】 対象名 出現オーダー オーダータイプ ストライ 汚染AI群駆逐作戦 フリー:ランクE データ保管施設防衛作戦 オファー:ランクD ノームナトス工場奪還作戦 フリー:ランクD
https://w.atwiki.jp/goodgames/pages/1157.html
雑感 0030 StatsNow!!進捗率 推定14%ぐらいでしょうか。(苦笑) 来週初めから試験的にデータ収集を行いたいと考えております。 個別のデータ出力はまだまだ先になると思いますが、 統計情報は早めに出したいところです。 ちなみにKDR平均は1以上になるのでしょうか? Battlefield3では0.8程度で推移していたことは多くの方が御存知だと思います。 普通に考えるとKDRの平均は1.0になるはずなのですが、 BadLuck(Battlefield4に於けるKIA)や自滅があるため「Killの無いDeath」が相当数発生していました。 それに対し蘇生の存在も大きく「Deathの無いKill」もまた多発していました。 総計を見てみると蘇生の総数よりBadLuckや自滅の方が多かったらしく、 結果的にはKDR0.8程度が平均値となっていました。 Battlefield4でも考え方は同じになるでしょう。 しかし、確定キルアシスト(?)なる変なの(笑)が増えたところが影響してくるかもしれません。 それほど多くは無いかな... このサイト、メンテナンスで止まるそうです 現在(2014/01/16)このページの一番上、中央に赤い文字で下記のように表示されています。 【重要】1/18 14時~翌1/19 22時 サービス一時停止について 32時間に及ぶ大作業が行われるようですが詳細は記載されていません。 単純な技術的興味で何をするのか知りたいところですが。(笑) ちなみにこの情報は一週間程前にメールでも配信されました。 無料のサイトにしてはきちんとしていますね。 まぁこれが普通と言えば普通なのかもしれませんが... どこかのサイトと申し上げるべきか、どこかのサービスと申し上げるべきか、 有料サービスなのに予告無く一斉停止するのが当然の会社もありますが... せめて普通のサービスレベルにはなって頂きたいところです。 ( - )
https://w.atwiki.jp/pricha/pages/17.html
「スキル」相場表 ★Fantasia露店価格調査隊のルール★ 1. Lvの低いMAP⇒高いMAPの順に記載します。 2. 全てのアイテムは記載しません。需要のあるアイテムのみ記載します。 3. 基本的に毎日更新します。また、相場表は参考程度に見てください。 4. 「これも追加したら?or これも載せて!」 などの提案はバンバン1 1 or メモ飛ばしてください! ★相場表の説明★ NAME ・・・ アイテム名 最低価格 / 最高価格 ・・・ 捨値&高値を含まない、最低価格と最高価格 目安相場 ・・・ 平均値ではなく、ぱるちゃが考える目安相場 ぱるちゃ価格 ・・・ ぱるちゃが露店出すならこの価格 更新日 ・・・ データ更新日 ★最新の更新情報★ 11/21 - その他相場表Open-β版を公開しました! ※イベントスキル書詐欺にご注意下さい※ NAME 最低価格 最高価格 目安相場 ぱるちゃ価格 更新日 イベントスキルカード 祝・一周年 35,000,000 11/21 祝・二周年 35,000,000 11/21 祝・三周年 35,000,000 11/21 デンジャラスファイヤー 9,000,000 20,000,000 9,000,000 ~ 12,000,000 11/21 ホワイトスノー 10,000,000 25,000,000 10,000,000 ~ 20,000,000 11/21 ビスケットフラワー 49,000,000 11/21 夜光花 20,000,000 25,000,000 20,000,000 ~ 25,000,000 11/21 フラワースプラッシュ 60,000,000 11/21 ラヴラヴハートボム 55,000,000 11/21 ハッピーバレンタイン 45,000,000 55,000,000 50,000,000 ~ 55,000,000 11/21
https://w.atwiki.jp/naruhara/pages/376.html
リベレイター:ボディ 装備性能 アタッチメント 入手手段 画像予定。 型番 HAP-LB-C01 ボディ メモリの消費を考えずに作られた高性能アーマー。飛行時の性能を犠牲にして装甲を強化したボディ。 同シリーズ他部位 ヘッド アーム レッグ 装備性能 ここでは項目を縦に並べています。 「ゲーム内で確認出来る並びと殆ど同じ」と考えて頂ければ、分かりやすいかもです。 リベレイター メモリ容量 2,290 耐久値 9,800 防御力 900 バレット防御 579 レーザー防御 617 飛行速度 3,980 飛行ブースト速度 3,000 ブーストSTM消費 60 ダウン耐性 43 STM回復性能 90 炎上耐性 81 帯電耐性 252 アシッド耐性 81 重量 417 同部位最高値 同部位平均値 同部位最低値 2,290 2,073 1,738 9,800 5,073 2,450 900 431 121 825 384 23 910 358 8 15,000 7,477 2,330 18,960 11,326 3,000 340 157 60 240 105 10 153 108 67 230 107 15 285 135 15 285 101 15 417 281 134 ※上記の表は現在初期ver.の状態です。 アタッチメント 現在1枠のみ確認。 また、入手方法が特殊な為、アタッチメントの付与は無いと思います。 入手手段 開発でのみ入手可能。(開発後はショップで購入可能) 開発するには開発データ「HAP-LB-C01リベレイター」が必要で 対象の開発データは「リベリオンRT:β」撃破で入手を確認。 また「リベリオンRT:β」の戦闘データを100%にする必要もある。 【リベリオンRT:β出現オーダー】 オーダー名 オーダータイプ リベリオンRT:β調査任務 オンライン
https://w.atwiki.jp/naruhara/pages/302.html
デュランダル:アーム 装備性能 アタッチメント 入手手段 画像予定。 型番 SAP-DR-R00SAP-DR-L00 アーム ステルス性能を高めた高性能アーマー。高い防御耐性を備え、高度な精密射撃を可能にしたアーム。 同シリーズ他部位 ヘッド ボディ レッグ 性能 ここでは項目を縦に並べています。 「ゲーム内で確認出来る並びと殆ど同じ」と考えて頂ければ、分かりやすいかもです。 また、アームに関してはガンアーム系を除いた比較にしています。 デュランダル 消費メモリ 204 耐久値 2,100 防御力 336 バレット防御 159 レーザー防御 255 連射性サポート 71 射撃間隔サポート 197 リロードサポート 41 集弾性サポート 141 投擲性能 179 近接格闘性能 127 炎上耐性 52 帯電耐性 52 アシッド耐性 71 重量 195 同部位最高値 同部位平均値 同部位最低値 296 213 109 7,350 3,814 1,440 525 274 61 413 200 11 493 195 4 200 102 20 197 120 50 200 99 10 200 104 30 300 185 80 313 188 50 121 56 8 143 71 8 143 57 8 336 199 92 ※上記の表は現在初期ver.の状態です。 アタッチメント 最大スロット枠は3まで確認。 種類 確認した付与アタッチメント Lv1 Lv2 Lv3 アーマー 装甲値アップ 〇 炎上耐性アップ 〇 アーム 連射性能サポート? 関節トルク制御サポート 〇 アタッチメントのレベルはランダムだと思いますが、念のために全て記録しています。 入手手段 【装備している人物】 セイヴィアー 【装備している機体】 対象名 出現オーダー オーダータイプ セイヴィアー 支配領域侵入アーセナル排除作戦 オファー:ランクC ストライ 空港施設奪還作戦 フリー:ランクC
https://w.atwiki.jp/naruhara/pages/346.html
リベレイター:ヘッド 装備性能 アタッチメント 入手手段 画像予定。 型番 HAP-LB-H01 ヘッド メモリの消費を考えずに作られた高性能アーマー。すべてが高性能で纏まった超高性能ヘッド。 同シリーズ他部位 ボディ アーム レッグ 装備性能 ここでは項目を縦に並べています。 「ゲーム内で確認出来る並びと殆ど同じ」と考えて頂ければ、分かりやすいかもです。 リベレイター 消費メモリ 173 耐久値 7,350 防御力 166 バレット防御 93 レーザー防御 94 サイトサイズ S880 430 ロックオン時間 0.68 ロックオン距離 151 レーダー索敵範囲 314 射撃補助性能 12 炎上耐性 77 帯電耐性 127 アシッド耐性 77 重量 142 同部位最高値 同部位平均値 同部位最低値 289 237 147 7,350 3,883 1,180 417 211 44 413 216 11 473 216 4 S880 430 - R240 0.75 0.63 0.55 400 256 95 570 385 190 50 28 10 143 58 デモンエクスマキナ_イザナミ:ヘッド 143 70 8 143 54 8 167 110 54 ※上記の表は現在初期ver.の状態です。 アタッチメント 現在1枠のみ確認。 また、入手方法が特殊な為、アタッチメントの付与は無いと思います。 入手手段 開発でのみ入手可能。(開発後はショップで購入可能) 開発するには開発データ「HAP-LB-H01リベレイター」が必要で 対象の開発データは「リベリオンRT:β」撃破で入手を確認。 また「リベリオンRT:β」の戦闘データを100%にする必要もある。 【リベリオンRT:β出現オーダー】 オーダー名 オーダータイプ リベリオンRT:β調査任務 オンライン
https://w.atwiki.jp/shounenblood/pages/21.html
一行感想(2006年8月号) 7スレ目383まで集計 トップ デカ教師 ワースト クラシカルメドレー 好みが分かれるで賞 Leader s High! おまけ スレ住人の傾向(2006年8月号) 順位 先月号 評価対象 平均値 標準偏差 読者数 偏差値 1 1 デカ教師 4.30 0.78 27 74.47 2 3 ことこと。 〜子と孤島〜 3.67 0.96 27 67.70 3 16 Leader s High! 2.93 1.49 27 59.73 4 15 アクト・オン! 2.74 0.90 27 57.74 5 6 すいへーりーべ! 2.64 0.99 28 56.69 6 2 拳鋼少女 リク 2.52 0.94 27 55.35 7 5 HOLA!! −オラ!!− 2.19 0.79 27 51.76 8 18 カレンダーガール 2.15 1.08 26 51.43 9 8 表紙 2.07 1.00 27 50.57 10 9 ガレキの王 〜The King of Debris〜 1.96 0.71 27 49.37 11 12 不思議流 1.85 1.17 27 48.18 12 読み切り 月光の狼 1.74 1.06 27 46.98 13 読み切り 春秋戦国双覇伝 1.56 0.93 27 44.99 13 21 まじょま 1.56 1.09 27 44.99 15 14 源流武闘伝 -ORIGIN- 1.48 0.70 27 44.19 16 12 本の元の穴の中 1.44 0.80 27 43.79 17 17 シチ=フク 1.37 0.84 27 43.00 18 読み切り Webから参上!! 働け!! モトレンジャー!! 0.96 0.85 27 38.61 19 19 白螺旋 −ビャクラセン− 0.78 0.75 27 36.62 20 20 クラシカルメドレー 0.52 0.70 27 33.83 総括 2.08 0.89 26 全作品 2.02 0.93 25
https://w.atwiki.jp/nerun/pages/182.html
本好きの下剋上、さいころ、超人高校生、アズレン、ぬるぺた、グラブル、Fate、ハイスコアガール、SAO、この音とまれ、ヴァルラヴ(仮)、平均値、アサシンズプライド、ちはやふる、七つの大罪、ライフル、サイコパス https //twitter.com/nerv_nerun/status/1175105833773830144 lv322054225 Nアニメ2019秋アニメ https //anime.nicovideo.jp/period/2019-autumn.html ニコニコチャンネル2019年10月期 https //ch.nicovideo.jp/search/anime/2019年10月期 Abema10月クール新作ラインナップ https //new-anime-ch.abema.tv/ GYAO!2019秋アニメ無料配信 https //gyao.yahoo.co.jp/special/anime/autumn/ 無料配信あり 月曜日 アズールレーン 最速放送日 2019年10月3日(木)23 30~(TOKYO MX) https //ch.nicovideo.jp/azurlane 10月7日(月)12 00 GRANBLUE FANTASY The Animation Season2 最速放送日 2019年10月4日(金)24 00~(TOKYO MX) https //ch.nicovideo.jp/granbluefantasy2 10月7日(月)12 00 七つの大罪 神々の逆鱗 最速放送日 2019年10月9日(水)17 55~(テレビ東京) https //gyao.yahoo.co.jp/special/anime/autumn/ (GYAO配信) 2019/10/14(月) 22 00~月曜22時更新 水曜日 ちはやふる3 最速放送日 2019年10月22日(火)25 29~(日本テレビ) https //gyao.yahoo.co.jp/special/anime/autumn/ (GYAO配信) 2019/10/23(水) 12 00~水曜12時更新 本好きの下剋上 司書になるためには手段を選んでいられません 最速放送日 2019年10月2日(水)24 30~(WOWOW) https //ch.nicovideo.jp/booklove 10月9日(水)24 00 木曜日 超人高校生たちは異世界でも余裕で生き抜くようです! 最速放送日 2019年10月3日(木)21 00~(AT-X) https //anime.nicovideo.jp/detail/choyoyu 10月3日(木)23 00 金曜日 ぬるぺた 最速放送日 2019年10月4日(金)22 40~(AT-X) https //ch.nicovideo.jp/nullpeta 10月4日(金)12 00 土曜日 ソードアート・オンライン アリシゼーション War of Underworld 最速放送日 2019年10月12日(土)24 00~(TOKYO MX) https //anime.nicovideo.jp/detail/sao-alicization2/index.html?from=nanime_2019-autumn_list 10/19(土)24 00 日曜日 Fate/Grand Order -絶対魔獣戦線バビロニア- 最速放送日 2019年10月5日(土)23 30~(TOKYO MX) https //ch.nicovideo.jp/ep7-tv 10月6日(日)23 00 ライフル・イズ・ビューティフル 最速放送日 2019年10月13日(日)23 00~(TOKYO MX) https //anime.nicovideo.jp/detail/chidori-high-school/index.html?from=nanime_2019-autumn_list 10/20(日)23 30~ 放課後さいころ倶楽部 最速放送日 2019年10月2日(水)26 16~(ABCテレビ) https //ch.nicovideo.jp/saikoro-club 10月6日(日)24 00 (仮)戦×恋(ヴァルラヴ) 最速放送日 2019年10月5日(土)23 00~(AT-X) https //gyao.yahoo.co.jp/special/anime/autumn/ (GYAO配信) 2019/10/6(日) 1 30~日曜1時30分更新 2クール枠 炎炎ノ消防隊 https //gyao.yahoo.co.jp/p/11155/v00044/ (GYAO配信) 2019/7/6(土) 2 00~土曜2時更新 無料配信無し ハイスコアガールII 最速放送日 2019年10月4日(金)25 05~(TOKYO MX) この音とまれ!(第2クール) 最速放送日 2019年10月5日(土)25 00~(TOKYO MX) 私、能力は平均値でって言ったよね! 最速放送日 2019年10月7日(月)23 30~(AT-X) アサシンズプライド 最速放送日 2019年10月10日(木)23 30~(AT-X) PSYCHO-PASS サイコパス 3 最速放送日 2019年10月24日(木)24 55~(フジテレビ) ※10月17日(木)24 55~初回放送は特番
https://w.atwiki.jp/hayatoiijima/pages/18.html
GLMについて GLMについてGLM概論GLMで扱う代表的な分布系 平均値と分散 GLMがいつ必要か? GLMで事前に指定しなければならないもの 誤差構造 線形予測子 リンク関数各誤差構造に対して最も一般的に用いられるリンク関数 GLMにおけるパラメータ推定方法 モデル選択AICについて RでのGLMのかけ方一般的な式の形 結果の見方 モデル選択 説明変数の相対的な重要度(IOV relative Importance Of Variable) GLM概論 GLMはGeneralised Linear Model(一般化線形モデル)の略。General Linear Model(一般線形モデル)の略として使われることもある。General Linear ModelはANOVAと回帰分析が似たような誤差分解方法を取ることから、ANOVAと回帰分析の総称として使われる言葉である。 GLMでは独立変数が線形結合している必要がある。線形結合しているモデルとは以下のようなモデルである。 各Xが独立変数としてモデルに組み込んだ要因である。 GLMでは指数関数族に属する分布を扱うことができる。正規分布のみを扱える回帰分析を拡張したものであるため、"一般化"という名前になっている。指数関数族の一般式は以下のように表される。 GLMで扱う代表的な分布系 代表的な指数関数族に属する分布は以下の通り。 平均値と分散 平均値 分散 GLMがいつ必要か? ある現象を説明するモデルを構築したいとき。これだけだと(重)回帰と同じだが、GLMは説明したい現象の起こり方が正規分布に従わない場合でも解析することが可能である。 例えば、個体が生き残った、死んだという現象や、あるプロットは0個体、あるプロットは7個体...というような現象の起こり方の分布は正規分布にはならない。このような場合に正規分布を仮定する(重)回帰を行うと、独立変数のパラメータ推定を誤る。 GLMで事前に指定しなければならないもの 誤差分布 線形予測子 リンク関数 誤差構造 得られたデータのばらつきがどのような構造をしているかを指定する。特に野外で得られるデータの分布は正規分布に従わないケースもあり、自分の取ったデータがどのような分布になるのかはデータの取り方やデータのヒストグラムを書いてチェックする必要がある。主に扱えるのは以下の分布。 カウントデータ (0 x,ただしxは整数) ポアソン分布 あるなしデータ (x = 0 or 1) ベルヌーイ分布 あるなしデータ (x = 0 or 1)を複数回やってできる分布 二項分布 連続データ (0 x) かつ左右非対称 ガンマ分布 連続データ (-∞ x ∞) で左右対称 正規分布 正規分布だったら重回帰でも対応できる。 線形予測子 線形予測子とは、独立変数の効果を線形に合計したもので、以下のような式で表される。 式の左側が線形予測子、xが各独立変数である。βはこれから推定するパラメータ(その独立変数の傾きのようなもの)である。ちなみに式の右側は線形構造と呼ばれる(各要因の和の形になっているから)。 リンク関数 誤差構造で指定した分布の形にデータを変換するための関数がリンク関数である。線形予測子は、データから得られた期待値をリンク関数によって変換することによって得られる。よって、線形予測子は以下の式でも表される。 ここでg()はリンク関数であり、μは期待値である。 各誤差構造に対して最も一般的に用いられるリンク関数 正規分布 ポアソン分布や負の二項分布 二項分布 GLMにおけるパラメータ推定方法 最尤推定法を用いる。具体的には、iteratively reweighted least squares (IRWLS)法によるパラメータ推定を行う。 ηとμを観測値から得る。μはyの値、ηはμをリンク関数で変換したものである。 "調整された従属変数"zを算出する。zはによって与えられる。 重みwを、によって得る。 ηを得るために、βを再推定する。具体的には、重みwをつけてzを従属変数、想定している要因を独立変数とした回帰を行い、新たなβを得る。βが新しいηとなる(ηに逆リンク関数を適用すればμも算出される) 4.によって得られるβの値が安定するまで、2.-4.を繰り返す。 モデル選択 線形モデルにどの変数を含めるべきかを判断する方法としては、 尤度比検定 自由度調整済みR2値 AIC が挙げられる。最も一般的なのは、AICによるモデル選択である。 AICについて AICは以下の式で定義される。 RでのGLMのかけ方 一般的な式の形 result - glm(y ~ x1 + x2 + ..., family=**(**), data=**) y ~ x1 + x2 + ...の部分は単にモデル式の指定である。 family=binomial(logit)の部分は、family=binomialで誤差構造の指定を、(logit)の部分はリンク関数の指定である。ちなみにbinomialの場合は何も入力しなければデフォルトでリンク関数はlogitになる。 data=seizanの部分は、データが入っているオブジェクトの指定である。 例えば、二項分布なら、 result - glm(y ~ x1 + x2 +... , family=binomial(logit), data=seizan) となる。 結果の見方 summary(result) のように、結果を付与したオブジェクトをsummary()に入れることで、結果の完全な要約を出力することができる。 モデル選択 AICによるモデル選択を行う場合は、Rにすでに関数が用意されている。 library(MASS) stepAIC(result) こうすると、AICによるモデル選択が行われ、AICが最も小さくなるモデルが選択される。ただし、stepAIC()によるモデル選択では、全ての(可能性がある)モデル間でAICを比較しているわけではない(らしい)ので、必ずしもAIC最小モデルが選択されるとは限らない。 説明変数の相対的な重要度(IOV relative Importance Of Variable) 重回帰であれば、標準回帰係数を使えばいいのだが、誤差構造に様々な分布を取りうるGLMでは、relative Importance Of Variable (IOV)を使う。 ヌルモデルからフルモデルまで、全ての組み合わせのモデルの中で、どのモデルの重要度が高いのかを、Akaike weightによって算出する。 Akaike weight(=wi)は以下の式で定義される。 Δiは、当該モデルと、AIC最小モデルとのAICの差である。 これによって、各モデルにwiが付与される。 各独立変数の重要度(IOV)は、その変数が含まれる全てのモデルの、wiの和で定義される。 IOVは0から1までの値をとり、1に近いほどその変数が従属変数に大きな影響を与えていることを示す。現在のところ、自動で計算する関数はRでは用意されていないので、計算する自作のスクリプトをここに載せておく。 iov.txt 使うときは、この関数を一度Rにコピペしておいて、データフレームをアタッチし、以下の要領で走らせる。ただし、データフレームは、従属変数が一番右の列になるように作る必要がある。 上記の関数コピペ attach(df) #データフレームをアタッチ result - akaikeW(df,poisson(log)) #データフレーム, 誤差構造(リンク関数) #リンク関数はなくても大丈夫です。 result #結果が表示される #どうやらカテゴリー変数が数字以外で与えられていると #エラーを吐き出すようですが、結果を表示させると #計算は出来ています。 誤差構造は自分に合わせて指定する。また、リンク関数を指定しないときは、誤差構造で デフォルトに設定されているリンク関数が適用される。