MVNO(格安SIM)6社の比較を１ページにまとめました
「お得意様を大事にする」というのは商売の基本である。
その基本をないがしろにする大手通信キャリアはアホである。
MVNOに乗り換えて、アホな会社にはさっさと見切りをつけましょう。（※個人の感想です）
本記事の対象となる読者
比較対象にしたMVNO6社
- 楽天モバイル
- mineo
- UQコミュニケーションズのサービス「UQ mobile（格安スマホ・SIM）」
- DMM mobile
- IIJmio(みおふぉん)
- OCN モバイル（LTE・3G | データ通信）
他にもあるが、キリがないので上記6社に限定しました。
MVNO各社の料金プラン一覧
月の通信量3Gから10Gまでで音声通話可能なプランを抜粋
| 各料金プラン(一部) | 初期 | 月額 | 下り | 通信制限 | 使用回線 |
|---|---|---|---|---|---|
| 楽天 3.1G | 3000円 | 1600円 | 225M | 540MB/3日 | docomo |
| 楽天 5G | 〃 | 2150円 | 225M | 1GB/3日 | 〃 |
| 楽天 10G | 〃 | 2960円 | 225M | 1.7GB/3日 | 〃 |
| mineo 3G | 3240円 | 1600円 | 225M | 3GB/3日 ただし低速なら接続可能 | docomo/au |
| mineo 5G | 〃 | 2280円 | 225M | 〃 | 〃 |
| mineo 10G | 〃 | 3130円 | 225M | 〃 | 〃 |
| UQ mobile 3G | 3000円 | 1680円 | 150M | 3GB/3日 | au |
| UQ mobile 無制限 | 〃 | 2680円 | 0.5M | 〃 | 〃 |
| DMM 3G | 3000円 | 1500円 | 300M | 366MB/3日 | docomo |
| DMM 5G | 〃 | 1910円 | 300M | 〃 | 〃 |
| DMM 10G | 〃 | 2890円~ | 300M | 〃 | 〃 |
| IIJmio 3G | 3000円 | 1600円 | 300M | なし | docomo |
| IIJmio 5G | 〃 | 2200円 | 300M | 〃 | 〃 |
| IIJmio 10G | 〃 | 3260円 | 300M | 〃 | 〃 |
| ocn 3G | 3000円 | 1800円 | 262M | なし | docomo |
| ocn 5G | 〃 | 2150円 | 262M | 〃 | 〃 |
| ocn 10G | 〃 | 3000円 | 262M | 〃 | 〃 |
※価格は2016/06/17時点のものです。
※mineoでau回線を選択すると、50〜100円程度安くなります。
大手キャリアとの価格差を考えるとMVNO間の価格差は誤差の範囲かと。（※個人の感想です）
DMMの通信制限は厳しくね。（※個人の感想です）
各MVNO各社申し込み方法、解約手数料一覧
| MVNO | オンライン申し込み | 実店舗申し込み | 解約手数料 |
|---|---|---|---|
| 楽天 | ◯ | ◯ | 1年以内の解約は9800円 |
| mineo | ◯ | × | 1年以内の解約は12,420円 |
| UQ mobile | ◯ | ◯ | 1年以内の解約は9500円 |
| DMM | ◯ | × | 1年以内の解約は9000円 |
| ocn | ◯ | × | 半年以内の解約は8000円 |
| IIJmio | × | △(家電量販店でSIM買える) | (12ヵ月－利用開始月を0ヵ月とした利用月数）×1,000円 |
実店舗での申し込みなら一時間程度で使えるようになります。
オンライン手続き場合は、数日から一週間くらいかかります。
今すぐ乗り換えたい、SIMの入れ替えとかよくわからんという人は楽天かUQの店舗に行きましょう。
「なんだよ、MVNOも解約手数料かかるのかよ！」とおっしゃる方、お気持ちわかります。
けど大手キャリアのそれと違って最初の一年なり半年を過ぎた後に解約する場合は、解約手数料がかかることはありません。
辞める辞めるって言って、いつになったら２年縛り辞めるんだよクソどもが。（※個人の感想です）
スマホ対応表(調査中)
現在使っている端末が、MVNOに移行後もそのまま使えるかは、各社によって異なります。
ざっくりとした対応表は以下のようになります。
| 乗換元キャリア | 端末 | 楽天 | mineo | UQ mobile | DMM | IIJmio | ocn |
|---|---|---|---|---|---|---|---|
| docomo | Android | ◯※ | ◯※ | × | ◯※ | ◯※ | ◯※ |
| docomo | iOS | ◯※ | ◯ | △※ | ◯※ | ◯ | ◯※ |
| au | Android | × | ◯ | ◯ | × | × | × |
| au | iOS | × | ◯ | △※ | × | × | × |
| softbank | Android | × | × | × | × | × | △ |
| softbank | iOS | × | ◯ | △ | × | × | △ |
シムフリー端末は上の表と関係なくだいたいOK。
※が付いている箇所はテザリング不可の可能性に注意。
◯となっていても対応していない端末もあります。
なにかと条件が複雑なため、実際に乗り換える際には、必ず以下の公式サイトでご確認してください。
MNP手続きフロー
どこのMVNOにするのかを決めたら、以下のフローで手続きをおこなう。
だいたいどこも一緒。
1. MNP予約番号をゲット(以下のいずれか)
- キャリアの店舗へ行く
- 電話で聞く
- 各キャリアのサービスで確認(EZ-webなど)
2. MVNOと契約
- オンライン or 店舗に行く
- 契約に必要なもの
- 本人確認書類(免許証、パスポート、保険証etc)
- クレジットカード(本人名義)
- 連絡がとれるメールアドレス
その他
ちなみに私はauで、3G以上使いたいのでmineoにしようと思っています。(実はまだ乗り換えていない)
あと、本記事を書くにあたりだいぶ調べましたが、間違っているところもあるかもしれません。すんません。
(おまけ) Y!mobileについて
Y!mobileは、大手通信キャリアと同じように違約金付きの自動契約が延長される形式の、新しい牢獄なのでおすすめしない
せっかく大手通信キャリアの牢獄から出るのに、また新しい牢獄に入ってどうするの。（※個人の感想です）
スマホプラン S/M/L｜スマートフォン｜料金｜Y!mobile（ワイモバイル）
そんなY! mobileがいいという方はこちら(アフィリエイト)
参考にしたサイト
AzureMLでニワカなまとめ
AzureMLはブラウザーから機械学習を実行できる環境。
ドラックドロップでデータやアルゴリズムなどのモジュールをペタペタ貼り付けるだけでOK。
プログラミングも、機械学習の知識も必要ない。
ブラウザで遊んでいるだけであれば無料。
お金を払えば、作った機器学習をWebAPI化し、自分のシステムに組み込むことも可能。
機械学習の主な用途
| 手法 | 概要 | 教師 | 用途 |
|---|---|---|---|
| 回帰(Regression) | 未知の値の予測する | あり | 販売予測 |
| クラス分類(Classfication) | 人が作ったカテゴリに分類する | あり | 迷惑メールの判定 |
| クラスタリング(Clustering) | 機械的に分類する | なし | ユーザーのセグメント |
| レコメンデーション(Recommendation) | あり/なし | ECサイトでおすすめ | |
| 情報圧縮 | 複数の特徴量を少数の特徴量に圧縮する | 数学の点数と物理の点数をもとに理系の点数 | |
| その他 | 囲碁とか |
回帰
アルゴリズム
| Linear Regression(線形回帰) | |
| Bayesian Linear Regression(ベイズ線形回帰) | 通常の線形回帰よりも事象の発生した頻度を重視。過学習に強い |
| Neaural Network Regression | |
| Ordinal Regression | |
| Poisson Regression(ポワソン回帰) | |
| Boosted Decision Tree Regression(決定木) | |
| Fast Forest Quantile Regression | |
| Decision Forest Regression |
精度チェック
- MAE
- RMSE
- 決定係数
精度向上
用途
- ファンダメンタル情報をもとに、株価の適正価格を計算
- 物件の情報をもとに、物件の適正価格を計算
クラス分類
アルゴリズム
| Multiclass Decision Forest | |
| Multiclass Decision Jungle | |
| Multiclass Logistic Regression | |
| Multiclass Neural Network | |
| One-Vs-All Multiclass | |
| Two-Class Averaged Perceptron | |
| Two-Class Bayes Point Machine | |
| Two-Class Boosted Decision Tree | |
| Two-Class Decision Forest | |
| Two-Class Decision Jungle | |
| Two-Class Locally Deep Support Vector Machine | |
| Two-Class Logistic Regression | |
| Two-Class Neural Network | |
| Two-Class Support Vector Machine |
２つに分類するもの -> Two-Class
nに分類するもの -> Multiclass
精度チェック
精度向上
ロジスティック回帰はクラス分類時に、まずは確率を計算する。
そして計算された確率ごとに、設定された閾値を超えるかどうかによって、分類先を振り分けている。
(ex. このメールは55%の確率で迷惑メールっぽいと計算されたとする。その場合閾値が50に設定されていたら迷惑メールに判定され、60に設定されていたら通常のメールと判定される。)
よって、精度向上には、確率の計算がより正しくなるようにするのと、閾値をいくつに設定するかによる。
用途
- メールが迷惑メールかどうか
- 株価があがるか、下がるかを予測
- 症状などをもと病気か病気じゃないか
- ブログ記事をカテゴリに振り分け
クラスタリング
アルゴリズム
| k-means Clustering | (Azureではk-means++) |
精度チェック
精度向上
- 分類するクラスタの数を調整
- 対象データの項目を増減
- 正規化(normalization)
- 項目に年収と年齢がある場合、年収の影響力が大きくなりすぎる（数値が大きいので）。項目間の影響度を揃えるためにスケールを揃えることを正規化という
用途
- ユーザーをグループ化
用語
レコメンデーション
AzureMLでのレコメンデーションはMatch Boxというのを使う
精度チェック
- NDCG
- ユーザーが商品に与える評点の順序に対する予測が実際とどの程度一致しているかの数値
- 1.0(良) ~ 0.0(悪)
- MAE
- 予測値の誤差を表す
- RMSE
- 予測値の誤差を表す。(誤差のバラつきが大きいとMAEより大きくなる)
精度向上
- 商品とユーザーの属性情報を増減
- 評点の見直し（ex レビュー点数じゃなく、購買有無のみを評点にする->データ数が増える）
- 特徴ベクトルの長さ（定数K）を調整する
用途
- いろいろ
用語
- コールドスタート問題
- 新しい商品、新しいユーザーにレコメンドさせようがない。解決策としては、評点情報だけでなく商品とユーザーの属性情報によるレコメンドをおこなう(AzureMLではデフォルトそうなっている)
その他書きたいこと
- テスト方法
- ホールドアウト法、クロスバリデーション
- クリーニング
- deleteボタンに要注意
- 教師あり、教師なし、強化学習
- 過学習について
参考にした本
- 作者: 脇森浩志,杉山雅和,羽生貴史
- 出版社/メーカー: リックテレコム
- 発売日: 2015/06/19
- メディア: 単行本（ソフトカバー）
- この商品を含むブログを見る
今だからまとめるゲスの極みおすすめの曲7選
まず始めに。
おじさんは現在酔っています。
多少変な所があってもcompensate
現在なにかと話題のゲスの極み乙女。
ワイドショーなんかで例のニュースの報道になるたびBGMにかかるのでなんとなく知っている人は多いと思いますが、ちゃんと聞いたこともない人もけっこういるのでは？
かくいう私も、例の件で話題になった今年の１月から聴き始めた口ですが、それからけっこうはまって、過去のアルバム２枚買ったりしてしまいました。
そんなニワカなおじさんがゲスの極み乙女の中で、キャッチーでとりあえず効き始めるのにおすすめな6曲を紹介します。
1. 私以外私じゃないの
有名だけどいい。
ちゃんと聞いたことない人は一回ちゃんと聞いてみて。
おじさんからのお願いだ。
2. キラーボール
女の子かわいいよね。
これモデルじゃないよ。ドラムの子。かわええ。
ディスコサウンドっぽいなんとなく懐かしい曲調がよい。
3. パラレルスペック
バンドの良さが出ている曲。
この曲に限らずベース個性的でいいよね。
どう、みんな短足おじさん好きになった？
4. 餅ガール
コミカルな曲。
ゲスの極みってプログレっぽいよね。
ついでに「アソビ」って曲もプログレな人にはおすすめです。
5. ロマンスがありあまる
そうみたいですね。ってツッコミながら聞くのが吉
6. 電車かもしれない
最後はまさかの往年の天才バンド「たま」からの選出です。
ゲスの極みは全然関係ないけど、この曲いいよ。
たまはさよなら人類だけの一発屋じゃねえだよ。ばーろー。
不気味で、だけど美しい。PVも曲の世界とマッチしていて出来もすばらしいよね。(本当はPV用に作ったものではないらしいけど)
まとめ
アーティストってのは、たとえ半径5Mを不幸にしても、それで「いい作品」ができればいいんだよ。
ワーグナーとかもなんかそんな感じだし。たしか。（酔っているので裏を取る気はない）
あと「たま」は本当に素晴らしいので他のもいろいろ聞いてみて欲しい。
「電車かもしれない」を気に入った人は、「悲しいズボン」も気に入るかもしれない。
ちゃお
エスカレーター歩きたいです。。。
エスカレーターの歩行はマナー違反とのことです。
うーん、俺は歩きたいなあ。
階段がある場合はそっち使うけど、駅のホームとかエスカレーターしかない場合も多いし、そういうときは歩かせてもらってる。
もちろん隣の人にぶつからないように最大限注意を払いながらだし、右側に止まっている人がいたら、無理に追い越すようなことはしない。
(結果的に後ろに立って無言の圧力をかけてしまっていることもあるかもしれませんが、すいません)
エスカレーターの歩行がマナー違反だという人は、本当に一切歩かないの？
電車の時間が近づいてて、階段もない。エスカレーターも混んでいない。
それでもエスカレーターで歩かない？
そして電車が去っていくのを眺めている？
俺そんなに心にゆとりないっす。
通勤の時とか、まわりの人はほとんど歩いているけどなあ。
エスカレーターで歩かないって言う人はどこに生息しているんだろう。
エスカレーター歩くのは危険だという意見もあるけど、普通に気をつけていれば危ないことはまあない。
エスカレーターを待つ行列で、ホームが混雑する状態のほうがよっぽど危ないように思うし。
確かにエスカレーターを駆け下りたり、駆け上がったりする人がごくまれにいる。
あれは本当に危ない。ああいうの歩くのとは別だよね。
狭い道や階段を周りの人間をかき分けて走っている人間と同じで、エスカレーターの歩行とは別の意味でマナー違反だと思う。
それからエスカレーターを歩行すると、エスカレーターに負担になるからダメという話もありますが。
それでは、エスカレーターにデブが乗るのはマナー違反か？
道路をダンプで走るのはマナー違反か？
なんか微妙に例えが違うか。。
それとエスカレーターの歩行は世界的に普通らしいんだけど、海外では問題になっていないのかな？
ちなみに俺は、エスカレーターを減らして階段を増やすのと、エレベーターの設置をしっかりして欲しいという立場。
岩井俊二のリップヴァンウィンクルの花嫁考察
２回見に行ったけど、テーマが何なのか、何を描きたかったのかが掴めない
- 女性の自立？
- ただの百合を百合を楽しむもの？
- 虚構と現実、そしてその狭間みたいなもの
- 結婚式という人生最大の茶番と、そこにさらに親族の代理人という虚構と虚構の掛け合わせ
- そこに役割として親族になった人間が、仕事としてではなく本当の知人として葬式に出席し、親族として扱われる（虚構×虚構＝現実？）
- 綾野剛の終盤の泣きもはじめはあきらかに嘘泣き。それが徐々に本泣きなのかどうか分からなってくる
あと、雑多な感想と疑問
- 最初見たときは長い映画だなー。と思ったけど、どのシーンも必要だった。
- エンディングの猫のかぶりものなに？
- 綾野剛いいね
- オンラインで勉強をつけている子はだれ？何の意味がある？
markdownはくそ
markdownって絶対糞だと思うんだけど、なんで流行ってんの？
もっといい記法いくらでもあるとおもうんだけど
「現在のブランチはプル用に構成されていません 構成にキー remote.origin.url の値がありません」
EclipseでGitをいじっていたら
「現在のブランチはプル用に構成されていません 構成にキー remote.origin.url の値がありません」
と言われるようになった時の対処法
確認
コマンドで
> git remote -v
とうっても、何も表示されない→remoteの設定が飛んでいる
修正
# remoteを設定 git remote add origin git@github.com:xxx/yyy.git # 確認 git remote -v > origin git@bitbucket.org:xxx/yyy.git (fetch) > origin git@bitbucket.org:xxx/yyy.git (push)
一件落着
