Rいろは・第五部：現代統計への導入（GLM、GLMMの基礎）
Rの統計ネタは自分自身の勉強を兼ね発信しています。作成者は統計の専門家ではないので自己責任でご参照ください。ご指摘も（応援も^^）歓迎します！ （cf. Rいろはのトップページ http://nhkuma.blogspot.jp/p/r_5.html） # 注：作成者は統計の専門家ではありません。内容には十分な注意を払っているつもりですが、限界があることを理解した上で参照してください。感想・苦情・間違いのご指摘、歓迎します。 （注：使用環境によっては、スペースやクオーテーションマーク"などが化けてコードがエラーになるかもしれません） ### GLM準備編 ########### # まずは古典統計を統計モデリング風に解いてみよう #（統計モデルの構築とパラメータ推定の練習） # 回帰の例（yへのxの影響が有意か、ではなく、yへのxの影響の仕方を推定する） x00 <- c(1:100) y
統計解析ログ/R作図 - 引越作業中
このページでは、Rで作図する基本的な手順を紹介したいと思います。いい図はデータ解析を助けてくれますので、ぜひ自分の思い通りの図を描けるようになってください。 Rで作図するメリット・デメリット メリット データを解析しながら作図できる 複数の図を描くときに自動化できる 様々な形式で図が出力可能（png, jpg, メタファイル, pdf, epsなどなど） 低水準作図を駆使すれば、フォーマットが決まっていない図も描ける（地図など） デメリット マウスで何か操作する訳ではないので、関数を知らないとどうにもならない 複雑な作図だとコードが長くなる 低水準作図で次々と要素を足していったときに、途中で間違えても戻れない 個人的には、複数の図が自動化ですぐにかける点と、低水準作図を駆使することでフォーマットにとらわれない図がかける点が特に便利だと思います。これらの点は、データを見る上で（ひいては統計解
Rのflexmixパッケージで混合分布モデルによるクラスタ分析を行う。 - Analyze IT.
Rで混合分布クラスタリングを行うときに有名なパッケージとしてflexmixが存在します。この記事ではflexmixの簡単な使い方を解説します。 flexmix自体は潜在クラス回帰を行うパッケージなのですが、混合分布クラスタリングを行うことも出来ます。 flexmixはRのglmクラスを用いてモデルを表現出来るため、他のパッケージに比べて柔軟なモデリングが可能というメリットがあります。 そもそも、混合分布クラスタリングとはなんぞやという人は以下の本文を参考にしてください。 １．モデルベースのクラスタリングとは クラスタリングは代表的なものとして、以下の３つの方法が存在します。 おそらくk-meansと階層的クラスタ分析はみなさんご存知でしょう。 分類 メリット・デメリット 手法 階層的手法 ＋データを樹形図として表現可能 ‐データ数が多いと、樹形図として表現できないのでデータ数が絞られる。
今さら人に聞けない「重回帰分析の各手法の使い分け」 - 渋谷駅前で働くデータサイエンティストのブログ
（※※※続編記事書きました→「使い分け」ではなく「妥当かどうか」が大事：重回帰分析＆一般化線形モデル選択まわりの再まとめ） 今ちょうどadtech tokyo 2013の会期中で、職場からも近い＆会社から行ってこいという指示が出たということで僕も色々セッションを聞いたり企業ブースのお話を聞いたりしてる*1ところです。 ところで、いくつかのセッションの中でキーワードとして「重回帰分析」という言葉が出てきてました。ま、それ自体はこのブログでもRによるデータ分析絡みで頻出だし、ぶっちゃけありふれた手法と言って良いでしょう。やりようによっては普通にExcelでもできますし、それだけ人口に膾炙していると言って良いのかもですね。 ただし。意外にも内部のパラメータというか細かい手法の分岐というか、それこそ普通の線形モデルvs.一般化線形モデル（バリエーション多数）があることを無視して漫然と重回帰分析をや
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
処理を実行中です
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
