はじめての統計データ分析―ベイズ的〈ポストp値時代〉の統計学
1. An Introduction to Distutils — Python 2.7.18 documentation
This document is for an old version of Python that is no longer supported. You should upgrade and read the Python documentation for the current stable release. 1. An Introduction to Distutils¶ This document covers using the Distutils to distribute your Python modules, concentrating on the role of developer/distributor: if you’re looking for information on installing Python modules, you should refe
List of useful RStudio addins made by useRs (a github repo) | R-bloggers
[social4i size=”large” align=”float-right”] Dean Attali started a GitHub repo listing RStudio addins, with the hope that other useRs will add to the list and make it a place to discover addins. Feel free to browse for useful addins, or make a pull request to add your own addin to the list. Here are the current items on the list: Name Description Package On CRAN? Author More links Notes
阿部（2004）RF指標から生存確率を求める - 廿TT
はじめに 阿部誠（2004）の手法をシミュレーションで再現してみます. http://merc.e.u-tokyo.ac.jp/mmrc/dp/pdf/MMRC16_2004.pdf 顧客関係管理（CRM）の現場では、RFM 分析という手法が広く使われているそうです. 顧客の購買行動の詳細を蓄積していない企業でも R（リセンシー：直近の購買時点）や F （フリクエンシー：観測期間中の購買回数）だけは把握していることがままあるようです. データセットはこんな感じです. first recency frequency 1 0.1428815 9.062408 12 2 7.5746912 8.544309 3 3 4.8364402 9.399117 11 4 9.2954182 9.295418 0 5 8.0067610 8.234363 1 6 3.5916135 8.827763 11
データサイエンティストの憂鬱と退屈 - きっと、ずっと、会議は踊る
お久しぶりです、サボってました 前回書いた記事 shoe116.hatenablog.com の予想外のPVに満足（補足する必要すらないと思うけど、たいした数じゃないし当然自己満）して、その後サボり続けた。少し前に50回以上続く由緒正しき勉強会 データマイニング+WEB ＠東京 、通称Tokyo Webminingで、同じようなテーマで発表したので*1、今日はそれを掘り下げて書いてみる。ちなみにTokyo Webminingで使った資料は、我ながらよくまとまっていると思っている(当然こちらも自己満)。 tokyo_webmining_no51 from Shu (shoe116) www.slideshare.net もちろん、この「憂鬱」と「退屈」の解決法も同時に提案できれば素晴らしいんだけれど、この手の問題は「相手に理解してもらうこと」自体が解決に向けての小さいけれど大きな一歩、だと僕
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
Pythonのパッケージ開発メモ - Qiita
