共感格差
21世紀の格差は、他者からの共感の格差をめぐるものになるだろう。 この記事で言いたいこと （社会的）共感は政治的・社会的リソースである。 物理的資産がリソースであるのと同様だ。 共感はアイデンティティごとに分配される(女性黒人LGBT,労働者階級,白人子供etc)。 共感は物理的資産と同じく分配に差がある。 共感の分配は主にマスメディアによってなされる。 トランプ大統領が当選する以前、労働者階級に関するメディアのツイートは60件、同性愛 LGBTに関するツイートは、9664件であった。 ツイートの比率は、労働者階級 60 対 LGBT 9664 で 161倍だ。 ツイートの差を共感の差だとみなせば、労働者階級とLGBTで大きな格差がある。 共感の格差を放置すれば、そこはポピュリストにつけこまれる。 もしあなたがポピュリストになりたければ、次のターゲットを狙うと良い。 ある程度人口ボリューム
機械学習モデルを作成する - Training
Microsoft Learn では、対話的な方法で、従来の機械学習の概要を理解することができます。 これらのラーニング パスは、ディープ ラーニングのトピックに移行するための優れた基盤にもなり、各自の生産性を向上させます。 最も基本的な従来の機械学習モデルから、探索的データ分析やカスタマイジングのアーキテクチャまで、ブラウザーを離れることなく、概念的内容や対話型の Jupyter Notebook を簡単に把握することができます。 知識と興味に応じて自分のパスを選択してください。 オプション 1: 完全なコース: 機械学習のためのデータ サイエンスの基礎 ほとんどのユーザーには、このパスがお勧めです。 これには、概念の理解を最大限に高めるカスタム フローを備えた、他の 2 つのラーニング パスと同じモジュールがすべて含まれています。 基になる概念と、最も一般的な機械学習ツールでモデルを構
社会人のためのデータサイエンス入門／総務省統計局データサイエンス・オンライン講座
統計データを用いた分析事例を知り、 統計リテラシーを学ぶ ・大人がデータサイエンスを学ぶべき理由 ・統計データからわかること① ・統計データからわかること② ・統計データからわかること③ ・統計リテラシーの重要性 ・統計を利用する際の注意点 データ分析に必要な統計学の基礎を学ぶ ・データの種類 ・代表値～平均・中央・最頻値 ・ヒストグラムと相対度数 ・四分位・パーセンタイル・箱ひげ図 ・分散・標準偏差 ・相関関係 ・回帰分析 ・標本分布 ・信頼区間 データの見方と 適切なグラフの選び方を学ぶ ・統計表の見方 ・比率の見方①－クロスセクションデータ－ ・比率の見方②－使い方と注意点－ ・時系列データの見方① ・時系列データの見方② ・グラフの選び方① ・グラフの選び方② ・グラフを作る時・読む時の注意点 誰もが使える公的統計データの取得方法と 使い方を学ぶ ・公的統計とは ・公的データの入手
Pythonで統計学を学ぶメリットは？勉強の手順も解説
Pythonで統計学を勉強するメリット 統計学を学ぶにあたって、Pythonを利用するメリットを確認しておきましょう。 近年の統計業務は、Pythonを使ったアプリケーションで行うケースが増えており、Web上のノウハウや書籍が充実しています。これらを活用することで、統計学の知識が乏しい状態でも、Pythonを切り口として学習を進めやすくなっています。 煩雑な計算を省略できる Pythonは科学計算処理に必要なライブラリが充実しています。Pythonのライブラリには、統計で用いられる専門的な計算式が内包されており、基礎的な考え方さえ理解していれば、具体的な計算式を知らずとも実践的な統計を実行可能です。もちろん読書や座学でも学習は可能ですが、Pythonを利用することで「煩雑な計算の理解」に時間を取られずにすむため「統計を使ってできること」をダイレクトに理解し易くなるでしょう。 データが簡単に
年収「300万円未満」や「1000万円以上」の世帯がどの地域に多いのか一目で分かる「世帯の年間収入マップ」
by Personal Creations 総務省統計局が公開している平成25年住宅・土地統計調査の中には「世帯の年間収入階級(5区分)」というデータがあり、「300万円未満、300万円〜500万円、500万円〜700万円、700万円〜1000万円、1000万円以上」の世帯がどのくらいあるかが調査されているのですが、そのデータを地図上にマッピングしたのが「世帯の年間収入マップ」です。「年収1000万円以上の世帯が5％を超える地域」など指定することで、どの地域にどういう年収の世帯が多いのかが一目でわかるようになっています。 世帯の年間収入マップ http://shimz.me/datavis/mimanCity/ ウェブサイトはこんな感じ。 画面左下から世帯年収を「300万円未満」「300万円～500万円」「500万円～700万円」「700万円～1000万円」「1000万円以上」に設定可能で
スポーツと観客動員のお話。観客は何に反応するのか。 - pal-9999のサッカーレポート
さて、皆様、こんにちは。今回も書きかけたまま、放置してたネタをやろうと思います。ネタの内容としては、Jリーグと観客動員の謎です。 じつは、先日、今年度のJリーグの観客動員が発表され、 http://footballgeist.com/audience より 開幕から２０周年となった昨シーズン、Ｊ１とＪ２のリーグ戦やナビスコカップなどを合わせた全８４５試合の入場者数は９１６万５０９２人でした。これは前の年を４１万人余り上回って過去最多だった２００９年の９５７万人に次いで過去２番目に多い入場者となりました。 Ｊリーグ 厳しい経営続くクラブも こうなりました。 なんというか、客が減ってるので２ステージやろうぜ！とかいう建前をぶち壊すような話ですが、２０１３年は観客動員そのものは良かったようです。リーグ戦のみでは８３０万人、カップ戦込みだと９１６万人となっており、過去二番目に多い入場者数です。 こ
因果関係がないのに相関関係があらわれる４つのケースをまとめてみたよ（質問テンプレート付き） - Take a Risk：林岳彦の研究メモ
どもっす。林岳彦です。ファミコンソフトの中で一番好きなのは『ソロモンの鍵』です*1。 さて。 今回は、因果関係と相関関係について書いていきたいと思います。「因果関係と相関関係は違う」というのはみなさまご存知かと思われますが、そこをまともに論じていくとけっこう入り組んだ議論となります。 「そもそも因果とは」とか「因果は不可知なのか」のような点について論じるとヒュームから分析哲学（様相論理）へと語る流れ（ここのスライド前半参照）になりますし、統計学的に因果をフォーマルに扱おうとするとRubinの潜在反応モデルやPearlのdo演算子やバックドア基準（ここのスライド後半参照）の説明が必要になってきます。 その辺りのガッツリした説明も徐々に書いていきたいとは考えておりますが（予告）、まあ、その辺りをいちどきに説明しようというのは正直なかなか大変です。 なので今回は、あまり細かくて遭難しそうな話には
金持ちになる人の顔の特徴、「わし鼻」など | ロケットニュース24
英国の調査グループが、国内で10本の指に入る金持ちの顔立ちについて、調査したところ、男女それぞれに共通する特徴を発見したという。あまりにもその特徴が共通していたために、グループは大変驚いたそうだ。 調査は、「MyJobGroup.co.uk」によるものだ。同グループは英国の富豪、上位10人の顔立ちを調べたのである。この10人は生まれも育ちも異なっており、年齢もさまざまだった。ところが、調査した結果、ある共通点が浮かび上がってきたのだ。以下がその特徴をまとめたものである。 【英国富豪に共通する顔の特徴】 男性：わし鼻でひろがった鼻孔、大きな目 女性：真っ直ぐな鼻筋、広い額、釣り上がった眉毛 以上の結果となった。これらは10人に共通したものだ。同グループのマーケティングチームリーダー、マーク・ライリー氏は「事業の上での成功はいろいろな要因に基づいている。顔の特徴もそのひとつだ」と説明している。
ニコニコ動画のコメントの年齢分析したら中学生がほとんどだった件 - いろいろ作りたい
要約というか言いたいこと 調べてみると、ニコ動のコメントは10代によるものがほとんどだった（特に中学生）。 コメントの空気は彼ら小中学生が作っているんじゃないのか。 価値観がかなり違うんなら分けた方がいいんでないか。 最近のニコ動コメントと空気 最近ニコ動のコメントを見ていて、なんとなくコメントがつまんないなあと思う。 喧嘩のコメントは論外だけど、普通のコメントでも 「うーん・・・そこでウける？」 「この曲そんなにいいかなあ・・・」 みたいに、「みんな」との感覚のズレが昔に比べると目立つようになってきたように思う。 どうやら自分はニコ動内での標準的な価値観のラインから逸脱してしまったのか。 だとしたら、その「標準的な価値観」とは誰がどのように作りだすのか？ 実際そこにいる人と表面上そこにいる人の違い 普通に考えると、その「標準的な価値観」は、その場にいる人間の平均的なものになるはず。 10
統計学を勉強するときに知っておきたい10ポイント - Issei’s Analysis ～おとうさんの解析日記～
googleさんやマイクロソフトさんは「次の10年で熱い職業は統計学」と言っているようです。またIBMは分析ができる人材を4,000人増やすと言っています（同記事）。しかし分析をするときの基礎的な学問は統計学ですが、いざ統計学を勉強しようとしてもどこから取りかかればいいか分からなかくて困るという話をよく聞きます。それに機械学習系の本は最近増えてきましたが、統計学自体が基礎から学べる本はまだあまり見かけないです。 そこで今回は、統計学を初めて勉強するときに知っておいた方が良い10ポイントを紹介したいと思います。 1. 同じ手法なのに違う呼び名が付いている 別の人が違う分野で提案した手法が、実は全く同じだったということがあります。良く聞くのは、数量化理論や分散分析についてです。 数量化理論 数量化I類 = ダミー変数による線形回帰 数量化II類 = ダミー変数による判別分析 数量化III類 =
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
えるエル on Twitter: "東大が無償でPDF公開している，統計学会の75周年記念出版『21世紀の統計科学』の3冊 1と2は実際の統計データを用いて，各事例への統計学の応用手法，3は機械学習の人なら馴染み深い統計計算を解説 下手な市販の本を買うよりは，この3… https://t.co/w2cSVIxmUI"
【保存版】一次情報をゲットするために確認するべきウェブサイトをまとめてみました（随時更新） - とある浪速の調査雑記
日本の深刻な殺人離れ
日本経済のネタ帳
統計データリンク集（マクロ統計）