Shiny で DT + sparkline を使う - ほくそ笑む
はじめに この記事は R Advent Calendar 2019 10日目の記事です。 DT で作ったテーブルに sparkline を埋め込んだものを Shiny で使いたい。 最終的な成果物として次のようなものを作りたい。 1. sparkline sparkline は文章中や表の中に埋め込むことのできる小さなグラフ (small inline chart) である。 具体例としては次のサイトを見てほしい。 jQuery Sparklines これは R では sparkline パッケージで簡単に使える (CRAN からインストールできる)。 library(sparkline) sparkline(iris$Sepal.Length, type = "box") 2. DT DT パッケージを使うと高機能でインタラクティブなテーブルが簡単に作成できる。 An Introduct
ggplot2 で axes を消す方法 - ほくそ笑む
最近、次の本を読んで日本地図を描くのにハマっている。 実践Data Scienceシリーズ Rではじめる地理空間データの統計解析入門 (KS情報科学専門書) 作者:村上 大輔講談社Amazon ggplot2 でシンプルに日本地図を描くとこんな感じになる。 library(tidyverse) library(sf) library(NipponMap) shp <- system.file("shapes/jpn.shp", package = "NipponMap") pref <- read_sf(shp) %>% filter(name != "Okinawa") ggplot(pref) + geom_sf() このとき、デフォルトでは x軸と y軸に経度と緯度が表示される。 これ、いらなくないですか？ しかもこれ (axes) を消すのはけっこう面倒なコードを書く必要がある。
可視化で理解するマルコフ連鎖モンテカルロ法(MCMC) - ほくそ笑む
先日行われた第9回「データ解析のための統計モデリング入門」読書会にて、 「可視化で理解するマルコフ連鎖モンテカルロ法」というタイトルで発表させて頂きました。 発表スライドは以下です。 可視化で理解するマルコフ連鎖モンテカルロ法 from hoxo_m この発表は、みどりぼんに登場する、マルコフ連鎖モンテカルロ法(MCMC)のアルゴリズムである「メトロポリス法」と「ギブス・サンプラー」について、可視化して理解しようというお話です。 「マルコフ連鎖モンテカルロ法」というのは、字面だけ見ると難しそうですが、この発表で理解すべきポイントは、次のスライド 1枚に凝縮されています。 このことを念頭に置いて、それぞれの手法を見ていきましょう。 まず、メトロポリス法ですが、これは、 前の状態の近くの点を次の遷移先候補として選ぶ（マルコフ連鎖） そのときの確率比 r < 1 ならば確率 r で棄却する。それ
施策効果測定におけるメタアナリシスの応用 - ほくそ笑む
はじめに マーケティング施策を行うときに、その施策効果を測定するために、コントロールグループ（施策を適用しないユーザ）を作る場合がある。 例えば、販促メールを送るという施策を行うときに、一部のユーザには送らないようにする。 仮にメールを送らなかったユーザの平均売上が1000円であり、メールを送ったユーザは平均1100円だとすると、その差である100円が1人あたりの施策効果となる。 しかし、施策を適用しないユーザの数を増やすと、全体の売上効果はそれだけ減少してしまう。 つまり、全体のユーザ数を1万人とすると、全員にメールを送れば100万円の売上効果があるが、半分の5千人をコントロールとすると売上効果も半分の50万円となる。 したがって、コントロールグループに割り当てる人数はなるべく小さくしたいという要求がある。 ただし、コントロールグループの人数を少なくすると、効果測定の精度が落ちるという問
可視化で理解する「負の二項分布」 - ほくそ笑む
みどりぼんでカウントデータの過分散対策のために使われると書かれている負の二項分布ですが、Wikipediaの説明を読んでもよく分かりません。 そこでおススメなのが、このスライドです。 負の二項分布について from Hiroshi Shimizu ようするに、負の二項分布は、 がガンマ分布に従うようなポアソン分布だと思えばだいたい OK みたいです。 今日はこれを可視化してみます。 負の二項分布(Negative Binomial Distribution) 負の二項分布はパラメータを 2つ持ちます。成功回数を表す と成功確率を表す です。 統計言語 R には負の二項分布に従う乱数を生成する関数 rnbinom() があり、これらのパラメータはそれぞれ引数 size と prob に対応しています。 したがって、, の負の二項分布は次のようにして描画できます。 negative_binom
データの不備を統計的に見抜く (Gelman's Secret Weapon) - ほくそ笑む
リクルートの高柳さん、Yahooの簑田さんと共同で翻訳した本が出版されます。 「みんなのR」(原題：R for Everyone)です。 みんなのR -データ分析と統計解析の新しい教科書- 作者: Jared P. Lander,Tokyo.R（協力）,高柳慎一,牧山幸史,簑田高志出版社/メーカー: マイナビ発売日: 2015/06/30メディア: 単行本（ソフトカバー）この商品を含むブログ (7件) を見る この本は、統計言語 R のインストール・基本的な使い方から始まり、統計解析の基礎からちょっと高度な話題まで、幅広く取り扱っています。 特徴としては、 RStudio の使用を推奨 グラフィクスはすべて ggplot2 を使用 plyr, data.table, stringr といった、モダンな便利パッケージを使用*1 説明に使用されるデータはすべて Web からダウンロード可能 R
1
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
