統計・データ解析
『Rで楽しむ統計』が出ました。サポートページ 『Rで楽しむベイズ統計入門』が出ました。サポートページ，第7章のRコードをStanで書き直したRで楽しむStan 全国学力・学習状況調査の個票の疑似データがこちらで公開されています。データ分析の練習に使えそうです。SSDSE（教育用標準データセット）も。 R 4.x では stringsAsFactors=FALSE がデフォルトになりましたが，本サイトの古い記事ではそうなっていないところがあるかもしれません（read.csv() などで as.is=TRUE は不要になります（あってもかまいませんが））。 R 4.2 ではWindowsでもMac同様UTF-8がデフォルトになりました。もう fileEncoding オプションに "UTF-8"，"UTF-8-BOM" を指定する必要はなくなりそうです。一方で、SJIS（CP932）データの場
Exploratory Data Analysis in R (introduction) | R-bloggers
[This article was first published on R - Data Science Heroes Blog, and kindly contributed to R-bloggers]. (You can report issue about the content on this page here) Want to share your content on R-bloggers? click here if you have a blog, or here if you don't. Hi there! tl;dr: Exploratory data analysis (EDA) the very first step in a data project. We will create a code-template to achieve this with
グラフ描画ggplot2の辞書的まとめ20のコード – MrUnadon – Bayesian Statistical Modelings with R and Rstan
Rによる美しいグラフの作成に欠かせないパッケージ "ggplot2" ですが、 グラフ作成のたびにネット検索したり自分の以前のコードを掘り起こしたりしませんか？ author: Unadon (見習い飯炊き兵) 動作環境:Mac OS Sierra 10.12.1; R version３.３.１; rstan 2.10.1 まずはTwitterでこの記事をシェアする はじめに ggplot2のグラフ作成で迷った時、チートシートやマニュアルは役に立つけど援用しにくいんですよね。「何を言ってるのかわからない」っていうのが結構あります。 「軸ラベル」と「軸タイトル」ってどれがどれなん？など、そういう初歩的なところで引っかかったりして、 目的(こういう図にしたい！)と手段(コード)の間の知識を埋めるのが手間で「もうイヤ！」ってなる。 で、次すぐに忘れてる。 なので、頻繁に使用するggplot２の基
ggplot2: きれいなグラフを簡単に合理的に
“The Grammer of Graphics” という体系に基づいて設計されたパッケージ。 単にいろんなグラフを「描ける」だけじゃなく「一貫性のある文法で合理的に描ける」。 Rのグラフ描画システムにはgraphicsとgridの2つが存在しており、 R標準のboxplot()やhist()などは前者の上に、 本項で扱うggplot2は後者の上に成り立っている。 使い方が全く異なるので、前者を知らずにいきなりggplot2から始めても大丈夫。 tidyverse に含まれているので、 install.packages("tidyverse") で一括インストール、 library(tidyverse) で一括ロード。 初学者向け講義資料2024 https://ggplot2.tidyverse.org https://r-graphics.org/ https://r4ds.hadle
Kaggleのタイタニックチュートリアルで粘ったら精度80%を超えた - Apitore blog
はじめに 過去2回にわたってKaggleのタイタニックチュートリアルをやったけど、精度80％は超えたいと思ってたので諦めきれずにあがいてみた。そしてついに80％を超えたので記事にする。精度80.9％で2016年7月5日現在で366位/4430人中となった。 【過去の記事】 Kaggleで流行中のXgboostを使ってみた Kaggleチュートリアル：タイタニックタスクに参加する Kaggleのタイタニックチュートリアルで色々もがいてみた やったこと ひとことで言うと、オーバーフィッティングを疑って、学習データを間引いた。 そもそも、生データ眺めてみていて、どうも同じようなデータで正負が反対のものが多い印象だった。例えば、SibSp=0かつParch=0かつSex=maleかつPclass=3で見てみると、264人中32人が生存している。32人と232人の生死が別れた理由を年齢で見比べてみる
データ解析・マイニングとR言語
一般化線形モデルや混合効果モデルなどはデータが何らかの確率分布にしたがうことを前提としてモデルを構築している。しかし、確率分布の仮定は問題によっては条件が厳しい場合もある。確率分布を意識せずにデータの回帰、あるいは判別のモデルを構築する方法としてツリーモデルがある。本章ではツリーモデルの概念、CART のアルゴリズム、CART の操作、いくつかの図示関数、木の生長とコントロール、木の剪定、回帰木などについて説明する。 1．ツリーモデルとは ツリーモデル (tree-based model) は回帰分析、判別分析を行う方法であり、回帰の問題では回帰木 (regression tree)、判別・分類の問題では分類木 (classification tree) あるいは決定木 (decision tree) とよばれている。 ツリーモデルは、説明変数の値を分岐させ、それらを組み合わせて、予測・判
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
Kaggle Competition In 30 Minutes: Predict Home Credit Default Risk With R | R-bloggers
Kazutan.R
Posit