統計学の代表的な手法を実践する (6) 〜 ビジネスにおける分析の流れ - Qiita
統計学の代表的な手法について、人気書籍「統計学が最強の学問である実践編」に掲載されている一般化線形モデルをまとめた一枚の表を最初に掲げひとつひとつ多変量解析の手法を追ってきました。今回は実際のデータを分析していくにあたり留意すべき事項をまとめます。このあたり上記書籍からの引用抜粋を含みます。 ビジネスにおける分析の手順 今まで説明したとおり * 量的なアウトカムに対しては重回帰分析 * 質的なアウトカムに対してはロジスティック回帰 をおこなうことでどんなアウトカムと説明変数の関係性も分析できるようになります。 手法や指標の意味がわかったあとでも、実際に使いこなそうとすると難しいところがいくつかあり、その代表的なものは「どの説明変数をいくつ使えば良いか」というインプット、「出てきた結果変数からどういう意味を読み取りどう解釈してどうアクションを取るか」というアウトプットの二大側面に整理できます
R 3.0.0の大事な変更点 - Qiita
大きめ目の変更点（個人目線） Long Vectorのサポート(64bit版）。 2^31-1以上の長さのベクトルが使用可能に。 使えるのはraw/logical/integer/double/complex/characterのベクトルとlistも。 文字ベクトルの要素の長さは今までどおり 2^31-1 bytes。 Long vectorに対するlength()はdoubleを返す。 インデクシングにはintegerではなくてdoubleを使うように。 行列、配列の場合、各次元の長さが < 2^31-1なら次元数の総和が > 2^31-1 もOKに。でも挙動は微妙。 などなど。しばらくは使うときは要注意。 パフォーマンス改善(オブジェクトコピーを減らす、とか、関数呼び出し周りとか）。 baseパッケージでビット演算サポート。see > ?bitwise S4クラスでrepresenta
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
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
