RでPCAとICA
出典がちょっとどこだかわすれたが。 PCA 分散の大きな成分を抽出 ICA 非正規性を最大にする成分を抽出 独立って、直交しないといけないんじゃないかなんて思っていたがこの資料みて納得。 その上で主成分分析、独立成分分析を読んだらさくっと理解できた。 > data("iris") > a <- prcomp(iris[1:4]) >biplot() > library("fastICA") > data("iris") > b <- fastICA(iris[1:4],2) > plot(b$S) ある種のデータを二次元のプロットとして見たい場合、PCAだと変に鎖上になってしまうものもICAだともうちょっと広がって見えてくれるかな。単にマップして見たいってだけだったらこういうやり方でもいいか。 あとPCAとかICAで次元を圧縮してから混合ガウス分布みたいなのでクラスタリングするってのはダメ
共同研究集会「データ解析Rの整備と利用」および関連するセミナー
Releted seminars 日時： 2007年12月6日 (木) 13:30 - 16:00 場 所： 統計数理研究所 講堂 Program 13:30 - 14:45 Friedrich Leisch (Institute of Statistics, Ludwig-Maximilians-Univ., Germany) Finite Mixtures of Generalized Linear Regression Models 資料 (PDF) 14:45 - 16:00 Luke Tierney (Dept. of Statistics and Actuarial Science, Univ. of Iowa, USA) MRI Tissue Classification Using Bayesian Hidden Markov Normal Mixture Models 資
R Graphical Manual
21,879 images, 1,596 packages, 41,590 functions Last data update: 2008-10-29 (R version 2.7.2)
Rでグラフをアニメーションさせてみたよ - Hacking is believing@itoshi.tv(2008-11-06)
二階堂愛 (Itoshi NIKAIDO) が綴る Hacking is beliveing な日常_ [R]Rでグラフをアニメーションさせてみたよ R News 2008年2号 (PDF) や useR!2008での面白そうな発表をいくつか上げてみたで紹介されていたR の animation library を使ってみたよ。 まずは、非線形モデル y = mesor + a * cos(2*pi*(t-acrophase)/P) にN(0,0.5)のガウシアンノイズを加えたデータを用意し、これを測定されたデータと考える。そのデータに対して非線形回帰するために、Nelder-Mead法で目的関数sum( (y-yhat)^2 )を最大化する。いわゆる cosinor analysis ですね。その計算過程を各ステップごとにプロットし、animation libraryを使ってアニメ化する
ZSFA -- Programmers Need To Learn Statistics Or I Will Kill Them All
Latest News >> 2008-09-25 Don’t forget folks, the FU NYC show will be in a few hours (7pm-9pm). I’ll be icecasting this one at http://zedshaw.com:8000/fu_nyc and as usual you can use VLC, mplayer or many other players to play the stream.2008-09-17 I got into music school last week and I’m going to study guitar exclusively for the next year. This is something I’ve always wanted to do, but just neve
幾霜::残日録::2008/09/08 (月)
移籍先を探しています。系統樹推定法やメタバーコーディング法などに詳しい研究者を探している方がおられましたらご一報下さい。 やっと分かってきた。何とかなるかもしれません。 以下のコマンドで、データファイルを読み込み、無作為配列付加による初期系統樹を生成し、TBR樹形改変による樹形探索を行います。反復数は10回で、得られた系統樹をtree.treに保存します。 procedure data.nex mult = tbr replic 10; export - tree.tre; ところがこの系統樹、OTU名が数字に置き換えられているんですよねぇ。変なことすんなよなぁ。 追記 - 23:35:37 データ配列を含むNEXUSファイルの末尾に、以下のような記述を加えた上で、「procedure ファイル名」コマンドによって読み込むことでバッチ処理を行うことも可能。 Begin TNT; mult
Python: RPyで階層的クラスタリング
Python+RPy+SciPyで階層的クラスタリングを行う。下記のtest.dat(30個の5次元データ)に対して閾値0.5として計算する。 clustering.py test.dat 0.5 標準出力: Data file: test.dat Element file: element.out Output file: data.out Cluster file: cluster.out EPS file: cluster.eps Threshold: 0.500000 (distance) 30 x 30 = 900 Cluster 1 : 5 Cluster 2 : 8 Cluster 3 : 1 Cluster 4 : 1 Cluster 5 : 12 Cluster 6 : 2 Cluster 7 : 1 Total : 30 Number of clusters: 7 -2
ベイズ統計学 - ryamadaの遺伝学・遺伝統計学メモ
最近の論文では、こんなものが。 ベイズは以下に示すＲのパッケージのインストールで山のように依存関係のあるパッケージのインストールが必要となることからもわかるとおり、面倒くさい(計算量もすくないわけではない・・・)。ので、漸近近似でベイズ因子を出してみましょう、という論文。 これの前の論文については、こちらにも。 GWAS(Genome wide association studies)においては、ジェノタイプ・フェノタイプ関連検定の目的は大きく２つある (1)数あるマーカーに順位をつけること (2)検定に「有意」か否かの判断を下すこと この２目的のためであれば、「P値と、パワー考慮の値の２つの指標でマーカーに順序を入れる」、というのでも、達成できるかもしれないけれども・・・ 「関連がない」という帰無仮説に対して、「関連があってもよい」という対立仮説を与える。「関連があるとしたら、どんな関連
Rプログラム (TAKENAKA
R でプログラミング：データの一括処理とグラフ描き started on 2005-06-06 updated on 2008-03-13 この文書は，フリーの統計解析・作図システム R を使って， データの一括処理と図化のプログラムを書けるようになるためのチュートリアルです． R の経験がまったくなくても読めるように書いています． ただし統計解析手法についての解説はほとんどしていません． 他のページや書籍を見てください． 目次 0. はじめに：この文書のねらい 1. 準備一般 2. ひとつのファイルからデータを読み込む 3. ひとつのファイルのデータの処理 4. グラフを描いてファイルに保存する 5. グラフのいろいろな設定 6. グラフの重ね描き 7. 繰り返しと条件分岐：コンピュータらしい仕事 8. 繰り返しと条件分岐で柔軟なグラフ描画 9. 補足：変数の寿命と有効範囲 10. デー
ess-rdired - RjpWiki
RjpWiki はオープンソースの統計解析システム R に関する情報交換を目的とした Wiki です操作の例 最初に、M-x RでESSを起動し、例えば下記のようなコマンドを実行する x <- rnorm(20) y <- sin(seq(from=0, to=8*pi, length=100)) z <- as.data.frame(matrix(rnorm(100), 25, 5)) xyz <- list(x, y, z) 次に、M-x ess-rdiredでess-rdiredを起動する。*R dired*という分割ウィンドウが開く。ここで、オブジェクト名の上で、上述のキーを押下すると、それぞれコマンドが実行される。 xの上でvを押下したところ。*R view*にxの内容が表示されている。 ↑
Rで学ぶクラスタ解析
ケモインフォマティクス向けのRプログラミングとクラスタリングの書籍としてもよい。混合分布モデルでHTSデータ分けたりとか、スペクトラルクラスタリング、ファジークラスタリングを化合物クラスタリングに使ってみたくなった。 ５章まで基礎的な内容で無難なんだけど、6章からが面白い。 混合分布モデル スペクトラルクラスタリング 次元縮約 ファジークラスタリング 統計やるために「対話的っぽいツールとしてのR」を使いましょうという内容ではなくて、スクリプト言語としてRを使ったりとか、クラスタリングのためのアルゴリズムを実装していくという内容。章の最後に載っているプログラミングメモがお役立ち。「はじめに」にRはベクトルと行列の演算が本質と言い切っているように効率的なプログラミングのためにどう書くといいかとかかなり参考になった。
リゲス本（Rの基礎とプログラミング技法）読了 | フッ君の日常
Amazon.co.jp: Rの基礎とプログラミング技法 他のプログラミング言語の素養はあるけれども、Rについては全くの初心者な僕にはちょうど良い本だった。Rという言語のだいたいの仕様や機能については分かった気がする。ただ、Rの基本にして奥義でもあるベクトル単位の処理については、まだちゃんとは身に付いてはいない。 OOP の仕様については、ちょっと難ありかも。S3クラスだと機能的に不十分だし、S4クラスだと、機能云々の前に、まず字面が汚い。せっかくなんだから、JavaScriptライクな仕様にしても良かったのに。 とは言いつつ、なかなか楽しい言語なのは確か。本を読み終わった後は、「どう書く.org」のお題を自分で解いてみたり、他の人（と言ってもRで解いてるのはほぼ一人だけなんだけどw）の解答を眺めたりしている。 あと、ESS は便利なんだけど、バッファの評価に C-cM-b なんて微妙なキ
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Help: hypergeometric test
R Manual with Graphics
http://takenaka-akio.cool.ne.jp/doc/r_auto/chapter_05.html
kzfmiki - Rによる医療統計学の演習
http://dsarkar.fhcrc.org/lattice/book/figures.html
ESSモードの設定(ちょっとだけ)
Department of Biological Sciences
http://150.59.60.47/~motohiro/wiki/index.php?R%A4%CE%C8%F7%CB%BA%CF%BF