可視化周辺の進化がヤヴァイ～rChartsを中心として～
25. その他：R+javascriptで可視化 • clickme(インタラクティブに触れる部分多し） – https://github.com/nachocab/clickme • rVega – https://github.com/metagraf/rVega • G3Plot(d3.js + shinyのパッケージ) – https://github.com/alexbbrown/g3plot-1 – http://glimmer.rstudio.com/alexbbrown/g3plot/ • rNVD3(rChartsに同機能あり、開発停止) – https://github.com/ramnathv/rNVD3 • rHighcharts（rChartsに同機能あり、開発停止？） – https://github.com/metagraf/rHighcharts 25
第31回Tokyo.Rを開催しました - yokkunsの日記
第31回Tokyo.Rを開催しました。 ※ 資料がまだのものは、公開され次第追記します！ 前半(初心者セッション) 初心者セッション1 (所沢義男) TokyoR#31 初心者セッション from TokorosawaYoshio Rによるやさしい統計学 第７章 分散分析（後半の後半） (@aad34210) Tokyo r30 anova_part2 from Takashi Minoda 中の人が語る seekR.jp の裏技 (@hiratake55) 中の人が語る seekR.jp の裏側 from hiratake55 後半 始めよう多変量解析〜主成分分析編〜 (@sanoche16) Tokyor31 from Hiroki Sano R言語で学ぶマーケティング分析 – 競争ポジショニング戦略 – (@yokkuns) R言語で学ぶマーケティング分析 競争ポジショニング戦略 f
ドラマの視聴率を予測する（１）〜初回視聴率を予測して、キャストの視聴率を算出する。 - Analyze IT.
こんにちは、ソーシャルビッグデータサイエンティストです。 最近のデータ解析ブームの流れにのって何か面白いデータ解析でもやってみようと思い、データサイエンティストこじらせた結果、 「今まで機械学習的な方法論使ってないところに機械学習的な方法論使うと面白いんじゃないか。」と思って 今回ドラマの視聴率で予測モデルの構築を試してみたのですが、結論を先に言うと、ニューラルネットワークやRFとか、小難しい方法尽く試した結果、失敗しました。 残念なクオリティですが、放送年度と時間帯と言った基本的な数値だけで予測モデルを構築、メモとして、一旦ブログに残しておきます。 １．データの取得 データについてはこちらのドラマ視聴率を参考に、足りないデータはWikipediaで補完して取得しました。 取得データ：ドラマの各話視聴率、キャスト、タイトル、また、Wikipediaを参考にドラマのジャンルを取得しました。
CIRモデルで金利の期間構造 by shiny - My Life as a Mock Quant
金融工学でいうCIRモデルで表現される金利の期間構造の、モデルパラメーター依存性を見てみたくて、簡単なwebアプリケーションを作ってみた。 CIRモデルについてはリンク先を見て頂くとして、shinyについて簡単に捕捉しておくと、 R言語を用いて簡単にwebアプリケーションを作成する枠組み という事です。 公式サイトはこちらで、日本語での解説記事・資料も Shinyを使って、RだけでWebアプリケーション - ixixixixixixi はじめてのShiny みんなでシャイニイイイイイイイイイイイイイイイイイイイイイ - 盆栽日記 Shinyで5分でできる株価チャートウェブアプリ - はやしのブログ Rev.3 ギーキング: RStudio ShinyでTwitterアプリを作ってみる …と結構出ています。 作ったアプリケーションは２つのCIRモデルパラメーターによる金利の期間構造を描画する
R で変更不可能な変数を定義する - 捨てられたブログ
R で変更不可能な変数を作るには lockBinding 関数を使います。 a <- 1 lockBinding("a", .GlobalEnv) 変数を定義してから lockBinding すると誤って変更してしまう場合があるので，定義と定数化を同時に行います。 constAssign <- function(x, value, envir=as.environment(-1)) { e <- envir assign(x, value, envir=e) lockBinding(x, e) } assign 関数と同様に，次のように使うことができます。 constAssign("FOO", 1) 定義した定数を削除する場合は，普通に rm 関数で問題ありません。 rm(FOO) 参考文献 Declaring a Const Variable in R 履歴 [2013-05-14 19
R言語で統計解析入門： 目次1 テクニカルデータプレゼンテーション 梶山 喜一郎
Technical Data presentation in R コピペで学ぶ Rでテクニカルデータプレゼンテーション １．基礎統計解析編 グラフィックス・リテラシ－教育: 「図学 I ・図形情報 I ・統計学」科目 修了後のコースウェア 福岡大学工学部図学教室 梶山 喜一郎 ・つまみ食いで，学習しないように願います． ・データの可視化を体系・系統だったスキルにするために順を追って学習する． ・統計ブームに乗っている学習者も先人に感謝の気持ちを．さらに， ・確かなスキルにするために，教科書・解説書を理解し，Rスクリプトで確認． A. はじめに--ここは統計・解析の必要を味わった後で読めばよい まず，統計の手続きを実行する．慣れたら統計的に考えよう． 学校の統計学を復習--買った教科書とノートをまた読むだけ a. 測定と尺度 Measurement and scale b. 記述統計学の
素性ベクトル＋分類ラベルのテーブルを持ってくる⇒Rを使ってお手軽に機械学習で分類してみる - 渋谷駅前で働くデータサイエンティストのブログ
Hiveで生テーブルを取ってくる→素性ベクトル＋分類ラベルのテーブルに直す 前回の記事では、Hadoopクラスタ（というかHDFS）に収納されている、いかにもありがちなユーザー行動テーブルを、機械学習で扱いやすい素性ベクトル＋分類ラベルのテーブルに直す、というお話をしました。 ここからがデータマイニングの本番です。 ここではどの機械学習分類器を使うのか？といった細かい議論は後回しにして*1、とにかくRを使ってどのように上記のテーブルに対して機械学習を実行するのか？について書いてみます。 とにかくR formula: 'y~x+y+z'の形に持って行く 既に前回の記事でも触れた通りですが、Rの関数群は大抵の作業仮説となるモデルを"formula"として与えられるように設定されています。 その書式については、とある方のブログ記事が分かりやすいと思いますのでまずはそちらをご参照のこと。要は、回帰
Rで高速に大量データを読み込んでデータフレームに格納する方法 (2) - About connecting the dots.
前回，read.table()とscan()を比較したんですが，もう少しきちんと調べてみると，実はread.tableパッケージというものがあるということを知りました．さらにstackoverflowにドンピシャのスレッドを見つけたので，これを実際に確かめてみました． freadの検証 data.tableパッケージが高速なテーブルデータの読み込みをおこなうためのパッケージで，中でもfreadが最もパフォーマンスが高いようです． ## user system elapsed Method ## 24.71 0.15 25.42 read.csv (first time) ## 17.85 0.07 17.98 read.csv (second time) ## 10.20 0.03 10.32 Optimized read.table ## 3.12 0.01 3.22 fread ##
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
