10/04 2. 状態方程式 (学習内容) ・状態方程式とは何か ・状態方程式の作り方を学ぶ 古典制御:伝達関数、入力と出力の関係にだけ着目 現代制御:状態変数、入出力関係だけではなく内部状態を記述 2.1 状態方程式による表現 (例題) 一自由度強制振動のバネ-マス-ダンパ系の状態方程式を求める k c m y u(t) 入力:外力 u(t) 出力:変位 y(t) 質量:m、バネ定数:k、減衰係数:c 運動方程式は ) ( ) ( ) ( ) ( t u t ky t y c t y m = + + & & & (古典制御では) ラプラス変換を行うと ms2 Y(s)+csY(s)+kY(s)=U(s) (ms2 +cs+k)Y(s)=U(s) 伝達関数 G(s) G(s)= U(s) Y(s) = k) cs (ms 1 2 + + :2 次遅れ要素 (現代制御では) (t) (t)
背景 ちょっとした用事によりリコール情報について調査する機会がありました。これまでWebスクレイピングは経験がなかったのですが、便利なライブラリ({rvest})もあることだし、挑戦してみた結果を紹介します。 内容としては、国交省のサイトにある「リコール情報検索」(こちら)からリコールデータを取得し、テキストマイニングにかけた、というものです。 分析の進め方 分析の進め方は以下の通りです: サイトのページ構成を把握 構成にマッチするようにループを組んでrvest::read_htmlで順次読み込み 取得したテキストデータをMecabで形態素解析 可視化 特別なことはしておらず、サイトのページ構成に合わせて必要なデータを取得し、可視化などを行います。 1.サイトのページ構成を把握 ここは、Rではなくブラウザの機能を使いました。例えばこの辺りの記事を参考に、Google Chromeのデベロッ
はじめに RやPythonを用いて、(主として政治に関する)データ分析を行うために必要な基本的知識や技術を学びます。 正直なところ、ChatGPTやOpen Interpreterを使えばいいような気はしますし、もっとよいサイトはたくさんあります。 執筆者の土井翔平は北海道大学公共政策大学院および法学部・大学院法学研究科で国際関係論の研究と教育に従事しています。データ分析やプログラミングの専門家ではありません。 計量「政治学」とありますが、執筆者の専門の都合で政治に関する題材が多いという意味でしかありません。政治以外の社会科学を専門とする方にも役に立つ内容のはずです。 一橋大学で担当していた「国際政治の計量分析I」がベースとなっています(講義スライド) 昔のバージョンは暫定的にこちらにあります。本当は昔のバージョンの内容が古くなったために消したかったのですが、ありがたいことに何人かの方にご
Table of Contents はじめに 前回自民党の感情温度という一定の範囲内の値を取る数値を応答変数に持つ分析を行いました。 しかし、世の中のデータのすべてがこのように数値で表現できるとは限りません。 例えば「投票に行く(行かない)」や「投票した政党」のように数値化されていないデータをカテゴリカルデータ(変数)と呼びます。 このような場合を応答変数にする分析の場合は、「投票に行く確率」や「ある政党に投票する確率」を求めることで対処します。 以下では、応答変数の種類が2種類の場合と3以上の場合に分けて、カテゴリカルデータの分析をRで行う方法を紹介します。 必要なパッケージの読み込み library(tidyverse) Registered S3 methods overwritten by 'ggplot2': method from [.quosures rlang c.quos
[連載] フリーソフトによるデータ解析・マイニング 第23回 RとWEKAによるニューラルネットワーク 1.ニューラルネットワークとは 我々人間の脳には約140億個のニューロン (神経細胞) があり、それぞれのニューロンはある規則に従い結合され神経回路を形成していると言われている。 大脳皮質の薄い切片を肉眼で見えるように処理したものを図1に示す。こうして見えるのは神経細胞の2%に過ぎないそうである。 図1 神経細胞の結合状況の標本 (J. Leroy Conel, The Postnatal Development of The Human Cerebral cortex, Vol. VI. Harvard Univ. Press, 1959) 神経細胞が結ばれた神経回路をモデル化したものを人工ニューラルネットワーク、通常略してニューラルネットワークと呼んでいる。ニューラルネットワークに関
Rには豊富な外部パッケージがあり、それらを使うことで より大きなデータ(「ビッグデータ」ではないが)や新しい手法を扱えるようになる。 パッケージを知っているのと知らないのとで分析作業効率に雲泥の差がある一方で、 パッケージ数は多く、同じような目的のパッケージが複数ある。 日本語で詳細に説明されたものも少ない。 単純な日本語訳は http://www.trifields.jp/statistical-analysis-r-cran-packages-341 にある(ありがたい!)が、 よく使うもの、この目的・手法ではこれがいいのではないかというものを目的別に分類して厳選してみた。 以下に記載のないものはデフォルトで組み込まれているか、以下のパッケージが自動で使用する(依存関係)パッケージである。 data.table系 → {data.table} sparse matrix系 → {Mat
最近、研究の合間に確率・統計を勉強し直してる一環でKaggleに登録した。(学部生の時にもっとこういうので遊んでおけばよかったと後悔している) Kaggleといえば機械学習入門用のタイタニックの生存者予測で有名で実際に私もRを使ってトライしている。Rのパッケージというのは本当に便利なものでちょっとデータをいじってあとはニューラルネットワークのパッケージ(neuralnet)を使っただけでそこそこ良いスコアが取れた(上位35パーセント) こちらは生きるか死ぬかのClassification判別分析で今回の趣旨とは違うのでまた改めて別の記事で書きたいと思う。 今回は判別分析ではなくRegression回帰分析で構築した予測モデルを使って同じくKaggleの入門者用データセットにある住宅の購入価格の予測を行いたいと思う。回帰分析というのは予測値が今回の”住宅の価格”のように連続した値となるような
データ分析の世界的コンペ、Kaggle(カグル)。上位入賞すれば賞金やメダルが貰える、世界中のデータサイエンティストたちの戦いの場であり、今とてもアツいコンペです! 一人で参加するもよし、チームで参戦するもよし。初心者にとっても、ベテランの方たちの最新データ解析を勉強できるので、Kaggler(Kaggleをやる人)になりたい人が急増中なのです! でも、いざKaggleのサイトに行ってみるとまさかのオール英語・・! 「アカウントの開設からもう無理だ・・(T_T)」 そんなあなたのために、今回はKaggle初心者向けにアカウントの開設方法から、チュートリアルのタイタニックデータ提出方法までをご紹介します♪ タイタニックコンペとは 「Titanic: Machine Learning from Disaster」のこと。 Kaggleの初心者向けのコンペの1つ。タイタニック号の乗客の生存予測を
一般化線形モデル(GLM)は統計解析のフレームワークとしてとにかく便利。Rでもビルトインの関数から拡張までさまざまなライブラリから提供されている機能だが、さまざまなライブラリがありすぎてどれを使えばいいのかわかりにくいのと、さらに一般化線形モデル(GLM)自体にもいろいろな亜種があるため、どの手法をどのライブラリの関数で実装すればいいかわからなくなる。 そこでRに実装されている代表的なGLM系の関数と特徴についてまとめてみた。 一般化線形モデルのおさらい 一般化線形モデルとは $$ y = g^{-1}(\alpha + \beta_1 x_1 + \beta_2 x_2 + … + \beta_i x_i) + \epsilon $$ で指定されるモデル。 一般化線形モデルを決定するのは 誤差構造:目的変数の分布 線形予測子 $\alpha + \beta_1 x_1 + \beta_2
最終更新日: 2020年3月4日 AIの高まりとともにデータの大切さが再認識される今、オープンにさまざまなデータが公開され、気軽に活用できるようになっています。 オープンデータの存在は、膨大なデータから学習を行う機械学習にとって不可欠で、構築したいAIに合わせてオープンデータを選択し、活用することが必要です。 一方、オープンデータのみでは競合優位性のあるAIは構築できません。マクロなオープンデータと、独自に収集したミクロなデータを組み合わせて、独自のAIを構築していくことが重要です。 オープンデータを活用したサービスを構築する際には、サービスのUX(ユーザー体験)を高め、いかにユニークなデータを取得できるかが勝負なのでオープンデータに頼りすぎないようにしましょう。 今回、オープンデータ・データセットを6カテゴリに分類し、100個選出しました。自身のサービスやAIの構築に活かせそうなデータを
データセット データセットとは、ファイルやURLなどの「オープンデータ」が登録された入れ物を指します。 データポータルでは、複数の切り口からデータセットを探すことができます。
最終更新日:2022年08月24日 前口上へ 第1章へ webmaster@snap-tck.com Copyleft (C) 2000 SNAP(Sugimoto Norio Art Production)
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