このドメインは、お名前.comで取得されています。 お名前.comのトップページへ Copyright © 2020 GMO Internet, Inc. All Rights Reserved.
データを眺めるのが好き 収集している情報 実現方法 データから分かった知見(?) 今後 年末なので、今年買ってよかったものに引き続き、今年やってみてよかった習慣について書いてみたいと思います。 データを眺めるのが好き 昔からデータを眺めるのは好きだったんですが、今年の5月くらいから自分に関するデータをとにかく収集してみました。可視化することで何か有益な視点だったり、生活の改善点が見つかるのではないか、という目的です。色んなデータを集めまくった結果、以下のようなグラフができあがります。ちょっと画像が小さいですが、毎日の歩いた歩数や体重、気温、録画した番組名、自宅マシンの負荷状況などが載っています。 収集している情報 上の画像ではとりあえずBlogに上げれるようなデータしか見せていないですが、収集している情報としては以下のようなものがあります。使用しているスクリプトで公開できるものはgithu
全米からTwitterに投稿されるヘイトスピーチ(差別的表現)の出所をピンポイントでつきとめ、表示する新しいマップが公開された。これによると、こういった投稿を行うツイッター利用者の多くは米国の東半分地域に住んでいるようだ。 この「ヘイト・マップ」は、カリフォルニア州にあるハンボルト州立大学で地理学を専攻する学生らが作成したものだ。2012年6月から2013年4月までの期間に投稿された、15万件以上の位置情報付きツイートが分析され、人種差別発言、同性愛者や身体障害者に対する蔑視を意図した用語を含んだツイートを追跡し、これらの用語が使われている文脈についても判断を行っている。
半年ぐらいウダウダやってましたが,今回が最終回です.自分としては満足のいく階層モデルに仕上がり,可視化までたどり着きました.ということでこれまでのエントリを別ページにまとめておきます. 問題点の修正 前回のモデルを公開したところ,@beroberoさんから以下のようにご指摘いただきました. .@smrmkt それぐらいなら大丈夫そうです。それよりも原因わかったっぽいです。少なくともr_sのasがいらなさそうです。これがY[i]のaとバッティングして、a+asが一定の値になればいいので収束しなさそうです。よく考えるとさらに減らせる項があるかもしれません。— berobero (@berobero11) November 11, 2014 これがまさしくその通りで,項を削除することで呆気なく収束に至りました.つまり前回のモデルはこちらだったのですが, このは駅ごとに推定する値ではなく,全物件で
D3は、ウェブページにロードしたデータからビジュアルを生成するJavaScriptベースのツールです。本書は、プログラマではない人々を対象として、D3を使ったデータビジュアライゼーションのプログラミングについて解説しています。ビジュアルのスキルはあるもののデータやコードをいじったことがないアーティストやグラフィックデザイナ、または大量のデータを持っているがビジュアルやコードを相手にしたことがないジャーナリストや研究者などには、本書が大いに役立つでしょう。もちろん、データの可視化について学びたい読者にもおすすめします。 はじめに 本書での表記 サンプルコードの引用について 問い合わせ先 謝辞 1章 イントロダクション 1.1 なぜデータビジュアライゼーションなのか 1.2 なぜコードを書くのか 1.3 なぜ対話的にしようというのか 1.4 なぜウェブ上でなのか 1.5 この本は何なのか 1.
TOPICS Programming , Business/Essay 発行年月日 2011年10月 PRINT LENGTH 400 ISBN 978-4-87311-504-7 原書 Beautiful Visualization FORMAT PDF ビジュアライゼーションについてのエッセイ集。ビジュアライゼーションは情報のグラフィカルな提示であり、その描写は複雑な情報を一目で明らかにしてくれます。地下鉄の路線図がよい例です。情報をグラフィカルなイメージに変換することで、ただ単に美しいだけでなく、物事の真相と新しい解釈を効果的に生み出す細部の積み重なりを表現できます。本書では学者や技術者、芸術家、分析の専門家など異なる立場でそれぞれのプロジェクトに取り組むその道のプロによるさまざまなビジュアライゼーション手法やツールを紹介します。日本語版オリジナルの巻末付録を2本収録。情報通信研究機
※選手や監督の名前を含むツイートを収集、その中に多く出てくる言葉を分析・抽出しています。 ※ツイッターのデータは「NTTデータ」の協力で収集。東北大学大学院の乾・岡崎研究室の支援を受けて、ツイート件数、関連語、ポジ・ネガを分析しました。関連語では、意味のない文字などを除いています。 ※円グラフは、いわゆる「ポジ・ネガ分析」です。活躍を評価しているツイートを「ポジティブ」。プレー批判や交代を要求するようなツイートを「ネガティブ」。単に選手交代を紹介するなど、評価に言及しないツイートを「ニュートラル」と分類しています。 ※最新ブラウザの使用をおすすめします。お使いのブラウザによっては正しく表示されない場合があります。 ※画像のうち、遠藤、岡崎、伊野波、、ザッケローニ監督、ボニ、ヤヤ・トゥーレ、ドログバ(2枚目はAFP)、長友(2枚目)はロイター。大久保、柿谷、内田、今野、青山、酒井高、ジェルビ
2014/10/14 追記 本書87ページに「母数」という単語が複数回出てきますが、 これは全て「分母」とすべきでした。*1 通常、統計学の文脈では、母数は各確率分布を特徴付ける変数を指す単語であり、 例えば正規分布は平均と分散という二つの母数によって形状が決定されます。 決して母数と分母(あるいは全数)と誤解してはなりません。 しかし母数と分母を混同することは本当によくあることで、 本書はこのような頻出する誤解を訂正し、 皆様が統計を用いる際の失敗を一つでも減らす という目的で執筆に至ったにも拘らず、 まさか本書でこのような重大な失敗をしてしまったことに対し 心からお詫び申し上げ訂正させて頂きます。 なお、問題個所の記述は共著者の森藤氏ではなく 私が記述したものであり、全責任は私にあります。 本を書くに当たり、誤字脱字や言い回しの不備は出来る限り無くすべきですが、 人間であるためミスをす
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