単回帰分析：statsmodels OLS.summaryの各変数の意味｜データサイエンス津津
下記の仮説・モデルで単回帰分析(simple linear regression analysis)をしてみました。 仮説：足のサイズは身長に線形に比例する モデル：足のサイズ = 係数a×身長 + 定数b statsmodels内のOLS(Ordinary Least Squares)で分析しました。分散図。 result.summary()の結果が下記。(赤下線は筆者が追加) 結果より係数aは0.1480、係数bは0.1093。よって 足のサイズ = 0.15×身長 + 0.1 但し、分析結果の値について検証。あんまりよくない結果でした。残念。 (下の参考記事内に各項目詳細について詳しいコメントがあるので、是非参照下さい。どの記事もとても参考になります。) ・R-squared、Adj. R-squaredの二つの値がよく似ている。全然違っていると問題。但し、R-squaredの値が0
Python(StatsModels) で重回帰分析を理解し、分析の精度を上げる方法
こんにちは、データサイエンティストのたぬ（@tanuhack）です！ 重回帰分析は『数字の予測』や『優先順位付け』に強く、ビジネスシーンにおけるデータ分析の中で、最も多用されている分析手法です。
不均衡データのクラス分類
「はじめてでもわかる RandomForest 入門－集団学習による分類・予測 －」 －第７回データマイニング+WEB勉強会＠東京Koichi Hamada
Excelデータベースの鉄則。分析はデータの下ごしらえで決まります - 実践で使うExcelとAccessの話
本記事は移転しました。 約3秒後にリダイレクトします。 リダイレクトしない場合はここをクリックしてください。
Python pandas 欠損値/外れ値/離散化の処理 - StatsFragments
データの前処理にはいくつかの工程がある。書籍「データ分析プロセス」には 欠損など 前処理に必要なデータ特性の考慮とその対処方法が詳しく記載されている。 が、書籍のサンプルは R なので、Python でどうやればよいかよく分からない。同じことを pandas でやりたい。 データ分析プロセス (シリーズ Useful R 2) 作者: 福島真太朗,金明哲出版社/メーカー: 共立出版発売日: 2015/06/25メディア: 単行本この商品を含むブログ (2件) を見る とはいえ、pandas 自身は統計的 / 機械学習的な前処理手法は持っていない。また Python には R と比べると統計的な前処理手法のパッケージは少なく、自分で実装しないと使えない方法も多い。ここではそういった方法は省略し、pandas でできる前処理 / 可視化を中心に書く。 また、方法自体の説明は記載しないので、詳細
【2011年2月最新版】直近決算発表に基づくmixi、GREE、モバゲー、Amebaの業績比較：In the looop：オルタナティブ・ブログ
国内三大SNSサービスの、2010年10-12月期の四半期決算発表が出揃った。 今回記事より、従来のmixi、GREE、モバゲータウンにプラスして、ソーシャルプラットフォームへの積極展開をはじめたサイバーエージェントのAmeba事業を対象として追加し、その業績やサービスの比較を分析してゆきたい。 なお，この分析レポートは，各社が投資家向けに公表している最新の決算報告，および広告代理店・クライアント向けに発行している媒体資料を主要な情報ソースとしている。また、今回から、ネットレイティングス社NetViewおよびビデオリサーチインタラクティブ社Mobile Media Mesurementによる視聴データ調査を導入、さらに関係者のヒアリングもあわせ、多面的な考察を試みた。 当記事においては，それらの客観的な数値に基づき，できる限り公平な視点で、各社の業績やサービスを比較することを心がけている。
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
