データの次元削減に関する資料集 - めも
次元削減とは データの次元削減(Dimensionality reduction) + データの可視化(Data Visualization) PCA Principal Component Analysis(PCA) randomized PCA Online Robust Principal Component Analysis(OR-PCA) 多様体学習 t-Distributed Stochastic Neighbor Embedding(t-SNE) Multidimensional Scaling(MDS) Isomap Locally Linear Embedding (LLE) Laplacian Eigenmaps(LE) Semidefinite Embedding (SDE) Latent Dirichlet Allocation(LDA) Labeled LDA P
RユーザーのためのJulia100問100答 - りんごがでている
R Adevnt Calendar 8日目の記事です。大幅に遅れて大変申し訳ないです。 この記事ではR言語ユーザーのために100問100答形式でJuliaを紹介していこうと思います。 Julia言語 Juliaってどういう言語なの? Juliaは高レベルでハイパフォーマンスな技術計算のための動的言語だよ。書きやすさと実行速度の両立がウリの言語だよ。 誰が作ってるの? 主にボストンのMITの人達が中心に作っている言語だよ。特にJeff Bezonson, Stefan Karpinski, Viral Shah, Alan Edelmanの4人が初期の重要人物だよ。 自由に使えるの? Juliaの処理系はMITライセンスで配布されているから、商用でもなんでもかなり自由に使えるよ。 どれくらい速いの? すごく速いよ！大体C言語の2倍以内くらいの収まる速度だよ。 Rと比較してどうなの? 数倍から
Blendo: #1 ETL Tool | Data Integration & Pipeline Tool
Access your cloud data from sales, marketing, support, or accounting, to accelerate data-driven business intelligence and grow faster.
Python と R の違い・関数の対応表
このページをご覧になる皆さんの中には、統計分析ソフトウェアの R を使った分析には慣れていても、Python を使いこなせていない方は多いのではないでしょうか。 以下の Ajay Ohri 氏のスライド、”Python for R Users” では、R と Python の操作方法の違いを分かりやすくまとめられています。本ページでは、以下スライドの内容を日本語で紹介したいと思います。この内容を理解しておけば、R 経験者にとっては短時間で Python のデータ分析機能を習得できるでしょう。 Python for R Users from Ajay Ohri 基本的なコマンド (パッケージの追加、ディレクトリ操作など) R Python
【Python】RプログラマーのためのPython入門 - 歩いたら休め
会社に優秀な後輩が入ってきて、優秀な先輩（私でゎない）の助けを得ながら、立派な分析者・Rプログラマーとして成長しつつあります。 しかし、R言語だけで全ての作業が完結できるわけではありません。手元でデータを加工・分析するための環境としては素晴らしいのですが、大規模な計算では遅かったり（パフォーマンスを上げるにしても工夫が必要だったり）、クラスベースのオブジェクト指向が無いため、プログラムが大きくなるにつれて関数の整理が難しかったり、言語としてつらい面も多いです。 また、データ分析して作ったモデルをサービスに乗せる際には別の言語を使う必要があると思います。一応、shinyというWEBアプリを作るためのライブラリもあるものの、「社外向けのサービスでバリバリ使ってるぜ！」という話は聞いたことがありません。 というわけで、R言語メインのプログラマーが、一歩進んでスクリプト言語（Python）が抵抗な
目次
（お知らせ）現在、記事をhttps://qiita.com/fxst24に移行中です。 目次 01 FX 12 通貨ペアの自己相関 13 通貨ペアの平均回帰 14 通貨ペアのブレイクアウト 15 通貨ペアのブレイクアウト後 02 バックテストの陥穽 01 先読みバイアス 02 データ・スヌーピング・バイアス 03 政府の市場介入によるバイアス 04 為替・株価の予測で注意すべきこと 03 パフォーマンス評価 02 週単位、月単位で勝つためのトレード数 04 リスク管理 01 2%ルール 02 最適レバレッジ 05 勝率とドローダウン期間の関係 06 季節性 01 日中効果とレート水準 07 変化率 01 Zスコアと変化率 02 トレンド期間と変化率 04 イベントとディレクション 05 ラウンドナンバーと変化率 08 ボラティリティ 02 新高値・新安値とボラティリティ 03 ラウンドナン
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
Microsoft's new Data Science Virtual Machine
Revolutions Milestones in AI, Machine Learning, Data Science, and visualization with R and Python since 2008 Earlier this week, Andrie showed you how to set up and provision your own virtual machine (VM) to run R and RStudio in Azure. Another option is to use the new Microsoft Data Science Virtual Machine, a pre-configured instance that includes a suite of tools useful to data scientists, includin
pythonで一般化線形モデルと公式リファレンスの罠 - using statsmodels - - Data Science by R and Python
寒くなってきました。最近、pythonでデータの解析をすることにいそしんでおります。 Rでできることをpythonでやりたいなと思っていろいろ調べてみると、まぁなかなかできるようになっていなかったりするわけで、その辺を整備し始めたので、ここに書いていこうと思います。 一般化線形モデル（Generalized Linear Model） 一般化線形モデルは、回帰の問題ではよく利用される方法で、Rではglmという関数で使うことができます。有名なものはロジスティック回帰です。図的には、以下のような感じになります。 これをpythonで行うときには、多くの場合scikit-learnを使うような気がするのですが、scikit-learnのアウトプットは、統計的に結果を見たい場合に十分とはいえません。できればRのロジスティック回帰の結果みたいなの（下図）、、、を出力したいんです。 statsmode
R vs Python：データ解析を比較 | POSTD
主観的な観点からPythonとRの比較した記事は山ほどあります。それらに私たちの意見を追加する形でこの記事を書きますが、今回はこの2つの言語をより客観的な目線で見ていきたいと思います。PythonとRを比較をしていき、同じ結果を引き出すためにはそれぞれどんなコードが必要なのかを提示していきます。こうすることで、推測ではなく、それぞれの言語の強みと弱みの両者をしっかりと理解できます。 Dataquest では、PythonとRの両方の言語のレッスンを行っていますが、データサイエンスのツールキットの中では両者ともそれぞれに適所があります。 この記事では、NBA選手の2013/2014年シーズンの活躍を分析したデータセットを解析していきます。ファイルは ここ からダウンロードしてください。解析はまずPythonとRのコードを示してから、その後に2つの異なるアプローチを解説し議論していきます。つま
ŷhat | Rodeo 1.0: a Python IDE on your Desktop
Rodeo 1.0 Release When we released our in-browser IDE for Python earlier this year, we couldn’t believe the response. Thousands of our readers all over the world saddled up and told their friends and colleagues to do the same (no more puns, we promise). That reaction, as well as the endless search for hacks to make our lives easier, got us thinking about how to make Rodeo even better. Over the pas
60+ Free Books on Big Data, Data Science, Data Mining, Machine Learning, Python, R, and more - KDnuggets
60+ Free Books on Big Data, Data Science, Data Mining, Machine Learning, Python, R, and more Here is a great collection of eBooks written on the topics of Data Science, Business Analytics, Data Mining, Big Data, Machine Learning, Algorithms, Data Science Tools, and Programming Languages for Data Science. By Brendan Martin, (LearnDataSci). Pulled from the web, here is a great collection of eBooks.
「Rプログラミング入門」をPythonで書き直す - めもめも
何の話かというと RStudioではじめるRプログラミング入門 作者: Garrett Grolemund,大橋真也,長尾高弘出版社/メーカー: オライリージャパン発売日: 2015/03/25メディア: 大型本この商品を含むブログを見る 某編集長から上記の書籍が送られてきて、「これは、次はRの本を書けという指示か？？？？」と勘ぐってみたものの、筆者はPython派なので、「これと同じことは全部Pythonでもできるんだよー」と言いたくなって、このエントリーを書き始めた次第です。ちなみに、この本、Rの入門書としてはよくできているので、これのPython版ができたら、それはそれで役に立つ気もします。 なお、このエントリーでは、あくまでコードの部分だけを書き直して、RとPythonの差異についての説明だけを行ないます。コードそのものの説明については、上記の書籍をご購入ください。 環境準備 IP
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
http://pandas.pydata.org/pandas-docs/stable/comparison_with_r.html
Blog | Data Science Articles