分类： 研究

Rglpk is an R library that links the GLPK package with R interface. This package is required by the igraph package to perform cluster optimization tasks. Due to some CRAN policy update, the embedded GLPK in igraph (and Rglpk) is removed, and users can not longer get GLPK installed with a simple R installation command.

So here is the solution from stackoverflow:

https://stackoverflow.com/questions/25114771/glpk-no-such-file-or-directory-error-when-trying-to-install-r-package

Install GLPK in a local directory:

wget http://ftp.gnu.org/gnu/glpk/glpk-4.54.tar.gz
tar xfzv glpk-4.54.tar.gz
mkdir GLPK
cd glpk-4.54
./configure --prefix=/home/<username>/GLPK
make
make install

Install Rglpk (0.6-3):

cd ~
wget http://cran.r-project.org/src/contrib/Rglpk_0.6-4.tar.gz
export LIBRARY_PATH=/home/<username>/GLPK/lib
export LD_LIBRARY_PATH=/home/<username>/GLPK/lib
export CPATH=/home/<username>/GLPK/include
R CMD INSTALL Rglpk_0.6-4.tar.gz

昨天读了一篇文章用文本分析来预测球员评分和推荐每周Fantasy Football阵容，这个模型已经实现在ESPN的Fantasy League里了。Fantasy的球员评分着重于一些硬性指标，比如得分犯规数量等等，与球队表现和对手强度并不完全挂钩，因此可以稍微准确的体现球队实力。

而预测比赛本身，似乎是个更难的问题。因为比起庞杂的进攻防守抢断数据，比分更加笼统，也更具有不确定性。再者，比赛的“物理现实”本身就具有极大的复杂性，就算我们知道每个球员的水平和平均得分，依旧难以预测整场的走势。2018年世界杯期间我写过一个比分模拟器，类似于FiveThirtyEight的球队强度SPI模型，原理是使用各国国家队1987-2017年的比赛数据，以本队“进攻值”和对手”防守值“的差拟合各自的柏松模型，估计进球数目。这个模型极其粗略，而且忽视了许多关联性，但是看起来已经很像回事了（虽然预测了英国夺冠很不合理，但是居然猜中了克罗地亚加时赛胜丹麦）。

今天想起这个问题，不知道以目前的机器学习工具，预测比分的工具有没有什么变化，看了眼至少2019年的论文还在用这类简单的数值模型，不知道准确性如何了

此前注意到一个现象：厨房用纸的用量与纸的厚薄和单位面积强烈相关。由于价格并不是单纯地挂钩于纸的面积/厚薄，使用某些又大又薄的厨房纸实际上成本很高。

今天在咖啡厅忽然想到了一个相关的问题，既然厕纸的大小是确定的，而区别只在于厚薄和层数，那么作为一家餐厅/咖啡厅的运营者，应该选择单层还是双层的厕纸呢？

当然，这个问题比看起来复杂，因为运营者还要考虑到用户的舒适度，而购买厕纸的价格并非由层数决定而是由供需关系决定。市场已经解决了定价问题，但是不妨碍我好奇，厕纸层数与用量的关系是怎样的，如何设置一个实验来测试这个区别…

搜索了一圈并没有找到相关论文，甚至不知道这个问题归谁管(厕纸公司肯定有人专门研究这个，但是公共研究好像并没有)。直到我搜到了UPENN的两个本科生真的做了这个实验，把学校教学楼一些洗手间的厕纸从单层换成双层并测量了使用量(承重)，发现双层厕纸用量更大一些，从价格上来说贵了百分之七十多。他们还测试了贴一个贴画写着“纸来自树木”看看呼唤大自然保护欲会不会减少用量，这个也没用。

所以结论是如果我开咖啡厅，可能会供应单层厕纸。