RStudio & knitrによるRの解析結果のドキュメント化 - About connecting the dots.
はじめに データ解析を行った場合，後からやり直しや結果参照，解析の詳細を確認するのって，案外だるいと思いませんか？ 私は思います．結果を後から見直して，これってどうやってやってたんだっけとか，この部分変えたいとか，データ処理の細かい部分を確認したいとか，後日分析を引っ張りだして再確認することってよくあります．でもそのときに，詳細を忘れたり，ファイルが複数の箇所に分散しちゃってたり，なんてことがあって結局もう一度一からやり直すはめになったなんて悲しい経験はしたくないですよね． そんな折に，ちょっと前のTokyo.RでやってたそろそろRStudioの話をみて，これをもとに環境構築から，解析結果の管理までをトータルでやってみましょう，というお話です． 環境構築 生のRはぶっちゃけ使いにくいので，RStudioを使います．SPSSとかSASとかStataとかと比べても，割と遜色ない十分な出来の解析
因子分析大作戦
とある弁当屋の統計技師(データサイエンティスト) 2 石田基広 ： ： 矢印キーを使ってスライドを進めてください → お願い
統計処理ソフトウェアRについてのTips
最終更新：2022年 11月 3日 (木曜日) このページでは，国際共同研究のオープンソースなプロジェクトで開発され，GNU GPLに従って公開，配布されている高機能な統計ソフトであるRについてのTipsを扱う。 Archives 保管庫インデックス 保管庫1（2004年1月まで） | 保管庫2（2010年6月まで） | 保管庫3（2014年5月まで） | 保管庫4（2015年6月まで） | 保管庫5（2015年12月まで） | 保管庫6（2016年12月まで） | 保管庫7（2019年12月まで） | 保管庫8（2020年1月から） 無料電子本 出版社の和書刊行方針変更により絶版になったので，その時点での最終版をpdfで無料公開している。中澤 港(2003)『Rによる統計解析の基礎』ピアソン・エデュケーション（virtual 9th ed.）と中澤 港(2007)『Rによる保健医療データ
Rstudio事始め
相関のある多変量データで距離を測る場合、我々が通常「距離」と呼ぶユークリッド距離よりも、マハラノビス距離の方が都合がよい。多変量データを変数ごとに標準化してユークリッド距離をとる場合は標準化により変数間の関係性が変わる上に相関関係は考慮されないが、マハラノビス距離を使えば変数間の相関関係も考慮した多変量標準化尺度として使用できる。Rでのデモつき。 このメモでは、説明のために、比較的きれいなデータを用いて、距離の大きさで便宜上外れ値を判定してはいるが、ロバスト性のない平均値ベクトルや共分散行列から計算されるマハラノビス距離はやはり全くロバスト性をもたないため、外れ値検出の目的で使用してはいけない。逆に言えば、マハラノビス距離を用いて外れ値検出を行うためには、平均値ベクトルと共分散行列の代わりに、ロバスト推計した位置と尺度指標を用いれば良い。
そろそろRStudioの話
2. サイバー系 はじめに ※この発表は個人の 見解であり、所属す る組織の公式見解で はありません。 2012/8/4 1 3. サイバー系 自己紹介 和田 計也（@wdkz） 静岡県袋井市出身 サイバー系企業でデータマイニングエンジニア職 最近はレポーティング周りの仕事してます 前職はバイオベンチャー バイオマーカ探索してた 学生時代は枯草菌の研究 2012/8/4 2 4. サイバー系 私はこうしてRStudioに乗り換えました 従来 エディタ(EmEditor) + RGUI featuring コピペ 現在 RStudio 乗り換えた理由 括弧補完してくれたり、オブジェクトの一覧が表示され てるから迷子にならないし、data.frameの中を手軽に 見れるし、plot図何枚も保持してくれてるし... Rmarkdownで記述
今さら人に聞けない「重回帰分析の各手法の使い分け」 - 渋谷駅前で働くデータサイエンティストのブログ
（※※※続編記事書きました→「使い分け」ではなく「妥当かどうか」が大事：重回帰分析＆一般化線形モデル選択まわりの再まとめ） 今ちょうどadtech tokyo 2013の会期中で、職場からも近い＆会社から行ってこいという指示が出たということで僕も色々セッションを聞いたり企業ブースのお話を聞いたりしてる*1ところです。 ところで、いくつかのセッションの中でキーワードとして「重回帰分析」という言葉が出てきてました。ま、それ自体はこのブログでもRによるデータ分析絡みで頻出だし、ぶっちゃけありふれた手法と言って良いでしょう。やりようによっては普通にExcelでもできますし、それだけ人口に膾炙していると言って良いのかもですね。 ただし。意外にも内部のパラメータというか細かい手法の分岐というか、それこそ普通の線形モデルvs.一般化線形モデル（バリエーション多数）があることを無視して漫然と重回帰分析をや
RとRubyによるデータ解析環境を手っ取り早く構築してデータ解析するまで - snowlongの日記
RとRubyによるデータ解析入門買いました。 データマイニングとかいま流行ってて面白そうだなー、でもどこからはじめればいいのかなーって前々から思っていたんです。 そんなところにRとRubyを使ってデータ分析のやり方をいちから教えてくれる本が出たなら買うしかないですよね。 コマンド叩くだけでデータ解析が簡単にできちゃって、無意識のうちにニヤニヤしてしまい我ながら気持ち悪い毎日を過ごしています。 この本の素晴らしい点はRとRubyの環境を用意さえすれば、コマンドを実行するだけでデータ解析ができちゃう！！(気分にさせてくれる)ところです。 プログラミングや統計の知識がなくても大丈夫、あとでわからないところは勉強すればいいんです。 簡単にデータを生成＆分析して、結果を視覚的に確認できるところがすごくいいなと思いました。 というわけで、手元のMacかLinuxが動くマシンを使って、データマイニングを
統計的消去で擬似相関を見抜こう！ - ほくそ笑む
今日は初心者向け記事です。 はじめに ある範囲の年齢の小学生32人を無作為に選び、算数のテストを受けてもらい、さらにその身長を測定しました。 身長に対する算数の点数のグラフは次のようになりました。 なんと、身長の高い子供の方が、算数の点数が高いという結果になりました！ 身長が算数の能力に関係しているなんて、すごい発見です！ しかしながら、結論から言うと、この結果は間違っています。 なぜなら、抽出したのは「ある範囲の年齢の小学生」であり、年齢の高い子も低い子も含まれているからです。 年齢が高いほど算数能力は高くなり、年齢が高いほど身長も高くなることは容易に推測できます。 この関係を図で表すと次のようになります。 つまり、年齢と算数能力に相関があり、年齢と身長にも相関があるため、身長と算数能力にも見かけ上の相関が見えているのです。 このような相関を擬似相関と言います。 統計解析では、このような
はてなブックマーク記事のレコメンドシステムを作成 PythonによるはてなAPIの活用とRによるモデルベースレコメンド - データ分析がしたい
私は情報収集にはてなブックマークを多用しており、暇な時は結構な割合ではてなブックマークで記事を探してます。しかし、はてなブックマークは最新の記事を探すのは便利ですが、過去の記事を探すにはいまいち使えません。個人的には多少過去の記事でも自分が興味を持っている分野に関しては、レコメンドして欲しいと感じてます。 ありがたいことにはてなはAPIを公開しており、はてなブックマークの情報を比較的簡単に取得できます。そこでこのAPIを利用して自分に合った記事を見つけるようなレコメンド機能をRとPythonで作成してみたいと思います。 利用するデータは、はてなAPIを使って収集します。具体的には、はてなブックマークフィードを利用して自分のブックマークしているURLを取得し、そのURLをブックマークしているユーザをエントリー情報取得APIを用いて抽出し、そのユーザのブックマークしているURLを収集します。こ
Rで系列パターンマイニング - sfchaos's blog
頻出パターンマイニング(Frequent pattern mining)は,頻出するアイテムの組み合わせを抽出する一連の手法を指します.頻出パターンマイニングの代表例として相関ルールのマイニングがありますが,この手法を用いるとPOSデータからビールとおむつを一緒に購入する消費者が多いことなどの知見が得られます. 一方で,頻出パターンマイニングでは,順序性のあるパターンは抽出できません.例えば,ビールを購入した消費者がその後おむつを購入する傾向があることは,頻出パターンマイニングでは分かりません. このように順序性のあるパターンを抽出する手法は,系列パターンマイニング(Sequential pattern mining)と呼ばれており,１９９５年にIBM研究所のR.AgrawalとR.Srikantによって提唱されました. RのarulesSequencesパッケージを使用すると,系列パター
JIN'S PAGE
R、R言語、R環境・・・・・・ Rのダウンロードとインストール リンク集 題名 Chap_01 データ解析・マイニングとR言語 Chap_0２ Rでのデータの入出力 Chap_03 Rでのデータの編集と演算 Chap_04 Rと基本統計量 Chap_05 Rでの関数オブジェクト Chap_06 Rでのデータの視覚化(1) Chap_07 Rでのデータの視覚化(2) Chap_08 Rでのデータの視覚化(3) Chap_09 GGobiとデータの視覚化(Rgobi) Chap_10 Rと確率分布 Chap_11 Rと推定 Chap_12 Rと検定 Chap_13 Rと分散分析 Chap_14 Rと回帰分析 Chap_15 Rと重回帰分析 Chap_16 Rと一般化線形モデル Chap_17 Rと非線形モデル Chap_18 Rと判別分析 Chap_19 Rと樹木モデル Chap_20 WEK
R Financial & Marketing Library | R & R Libraries with Mac
RMeCabパッケージを使用して、RでMeCabを用いて、 形態素解析を行ないます。 そのために、まず MeCab をインストールする必要があります。 MeCab のインストールや設定についてはこちらに記載しております。 RMeCabパッケージを読み込みます。 RMeCabC()関数を使用して、文字列を形態素解析してみます。 文字列は何でもよいですが、 ここではとりあえず、どらちゃんの歌でも入力してみました。 こんな感じで結果が返されます。 次は、RMeCabFreq()関数を使用して、ファイルを読み込んでみます。 こちらは青空文庫から、 夏目漱石さんの「吾輩は猫である」を使用させていただいております。 青空文庫 夏目漱石 吾輩は猫である のページ 今回は関数の確認であるため特別な加工をせず、 単純にこのデータをテキストファイルにしています。 ダウンロードのところ
R による統計処理
「Rによる統計解析」 オーム社 刊 サポートページ 目次 第1章 Rを使ってみる 第2章 データの取り扱い方 第3章 一変量統計 第4章 二変量統計 第5章 検定と推定 第6章 多変量解析 第7章 統合化された関数を利用する 第8章 データ分析の例 付録A Rの解説 付録B Rの参考図書など はじめに R とは何か，何ができるかのリンク集（日本のもののみ） R を使うためにはどうしたらいいの？ データなどの読み書き R の定石（R に限らずプログラミングの定石も） R を使って実際に統計解析をする AtoZ 一連の流れ データファイルの準備をする 分析してみる 分析結果を LaTeX で処理したり，ワープロに貼り込んだりする 道具立て 連続変数データをカテゴリーデータに変換 カテゴリーデータの再カテゴリー化 度数分布表と度数分布図の作成 散布図・箱髭図の描画 クロス集計（独立性の検定，フィ
サービス終了のお知らせ - NAVER まとめ
サービス終了のお知らせ NAVERまとめは2020年9月30日をもちましてサービス終了いたしました。 約11年間、NAVERまとめをご利用・ご愛顧いただき誠にありがとうございました。
R言語による アソシエーション分析－組合せ・事象の規則を解明する－（第５回R勉強会＠東京）
第５回R勉強会＠東京(10/5/22)の講師資料です。「R言語による アソシエーション分析－組合せ・事象の規則を解明する－」。 hamadakoichi, 濱田晃一Read less
【CodeIQ提供】データ解析・可視化なら俺らに任せろ！- 第30回R勉強会まとめ #TokyoR
U-NOTE サイト閉鎖のお知らせ 長らくのご利用、誠にありがとうございました。 当サイトは2024年12月31日をもちまして閉鎖いたしました。 これまでのご支援に心より感謝申し上げます。
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
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
とある弁当屋の統計技師（データサイエンティスト）
IBM Developer
kkaneko.com
RとPythonによるデータ解析入門
