CSSではみ出した部分を「…」にする方法

CSSではみ出した部分を「…」にする方法をメモしておきます．

.hogehoge {
    width: 4em;
    white-space: nowrap; 
    overflow: hidden;
    text-overflow: ellipsis;
}

<div class="hogehoge">どうしてプログラムのサンプルに使うテキストは「ほげほげ」なんだろう？</div>

「text-overflow: ellipsis;」と記せば，「…」にならなかったので，何でだろうとずっと悩んでいたのですが， このプロパティは，先の例のように他の3つのプロパティといっしょに使わないと効果が発揮されないんですね． ようやく謎が解けた．＼(^O^)／

ロジスティック回帰をJavaで実装

文献[1]で紹介されているロジスティック回帰をJavaで実装してみました．

ロジスティック回帰は，分類問題に適用できる機械学習手法の1つです（確率化したパーセプトロンという理解でいいのかな）． 文献で紹介されているとおりあらかじめ用意したデータを分類する関数を求めてみました． グラフにした結果は次の図のとおりです． 青の点が正解，赤の点が不正解，黄色の直線がそれらを分類するために推定された関数，オレンジが正解になる確率が0の領域で，緑が1の領域です． 直線付近は，正解と不正解の境界になっているので，正解になる確率がどんと落ちてます．

ちなみに，これまでグラフはExcelで描いてきたのですが，今回は難しかったので，d3.jsを使ってみました（かなりゴリ押しですけど）． 使ってみて思いましたが，大本の文献で使っているPythonがやっぱり一番簡単そうですね．

[1]	中谷 秀洋: ロジスティック回帰を実装してみよう, 機械学習はじめよう 第20回, http://gihyo.jp/dev/serial/01/machine-learning/0020

パーセプトロンをJavaで実装

文献[1]で紹介されているパーセプトロンをJavaで実装してみました．

パーセプトロンは，分類問題に適用できる機械学習手法の１つです． 文献で紹介されているとおりあらかじめ用意したデータを正解（1）と不正解（-1）に分類する関数を求めてみました． グラフにした結果は次の図のとおりです． そうなるようにデータを作ってあるので，当たり前なのですが， 正解と不正解をうまく仕分ける関数を求めることができました．

[1]	中谷 秀洋: パーセプトロンを実装してみよう, 機械学習はじめよう 第17回, http://gihyo.jp/dev/serial/01/machine-learning/0017

ベイズ線形回帰をJavaで実装

文献[1]で紹介されているベイズ線形回帰を記事[2]で作成したプログラムを元にしてJavaで実装してみました．

ベイズ線形回帰は，線形回帰を確率化してベイジアンで関数を求める手法です． 文献で紹介されているとおり基底関数をベイズ基底にして関数を求めてみました． 結果は次の図のとおりです． ベイズ線形回帰なので，関数だけでなく，確率密度も求めることができます．

[1]	中谷 秀洋: ベイズ線形回帰を実装してみよう, 機械学習はじめよう 第14回, http://gihyo.jp/dev/serial/01/machine-learning/0014
[2]	mizo0409: 線形回帰をJavaで実装, http://mizo0409.blogspot.jp/2014/01/java.html