『ダメな統計学』冊子PDFの公開｜Colorless Green Ideas
『ダメな統計学』表紙 現在の科学研究において統計が誤用されていることが非常に多く、そのために科学研究の信頼性が揺らいでいることを記した『ダメな統計学』の冊子PDFを公開する。これは、アレックス・ラインハート氏が書いたStatistics Done Wrongの全訳である。理解を深めるために、訳注を比較的豊富に加えた。 2017年1月20日追記：『ダメな統計学――悲惨なほど完全なる手引書』という本が出版されることになった。この本は、ここに掲載されているウェブ版の『ダメな統計学』の冊子PDFに比べると、大幅に加筆されている。ページ数で言うと2倍以上になっている。ウェブ版の『ダメな統計学』を読んで興味を持った方は、書籍となった『ダメな統計学』をぜひ読んでいただければと思う。書籍版の詳細については「『ダメな統計学――悲惨なほど完全なる手引書』の翻訳出版」という記事をご参照願いたい。 『ダメな統計学
Web解析Hacks
オンラインビジネスを成功に導くには、「誰が、いつ、どこに、なぜ」サイトに来たのかを管理者が理解できるようにWebサイトを構築し、計測・解析ソフトウェアを取り入れることが重要です。 本書は、サイト訪問者が残していく情報、データの意味、データの使い方などを明らかにする計測・解析ツールを十分に使いこなすためのガイドブックです。Web解析の基礎、実装とセットアップなど入門的なHackから、オンラインマーケティングやWebサイトユーザビリティの計測、オンラインショップの分析、Web計測アプリの自作まで、Web解析全般を100のHackで解説します。企業サイト、ポータルサイなどすべてのサイトオーナー、またWebディレクター、インターネット広告関係者必携の一冊です。 序文 クレジット はじめに 1章 Web計測の基礎 1. Web計測を語る 2. Web計測のベストプラクティス 3. 適切なベンダを選ぶ
Rで本格的に分析を始める前に「必ず」確認しておきたいこと【R入門講座】
『MarkeZine』が主催するマーケティング・イベント『MarkeZine Day』『MarkeZine Academy』『MarkeZine プレミアムセミナー』の 最新情報をはじめ、様々なイベント情報をまとめてご紹介します。 MarkeZine Day
機械学習や統計に関する情報収集 - Qiita
機械学習界隈の情報収集方法 http://d.hatena.ne.jp/kisa12012/20131215/1387082769 いきなりですが上記の記事に機械学習に関する有力な情報源がまとまっています。まずはここを参考にするのが良いかと思います。ただ情報が多すぎですので、筆者は Wikicfp と arXiv.org あたりの論文、それにはてなブックマークをチェックしています。 また論文については機械学習の論文を探すにも良い情報がまとまっています。こちらも参考になります。 機械学習は日進月歩の世界ですので、最新の査読済み論文を追って概略だけでも理解する能力を身に付けると良いかと思います。 書籍としては次の 2 冊が聖書とも言える必読書で、本気で機械学習をやりたければ必ず参考になるかと思います。 パターン認識と機械学習 (上・下) http://www.amazon.co.jp/dp/4
この Visualization がすごい2014 〜データ世界を彩るツール6選〜
4. 4 Introduc)on • Takahiro Inoue (TwiPer: @doryokujin ) • Majored in Mathema:cs in Keio University • Chief Data Scien:st and Solu:on Architect @ Treasure-‐Data Presented by • Leader of Japanese MongoDB Community, MData Scien:st Takahiro Inoue – Chief ongo Masters • doryokujin’s blog hPp://doryokujin.hatenablog.jp/ 5. 5 Treasure Data Introduc)on Data Collection Data Storage Data Analysis Com
iPhoneアプリ利用時間帯のピークはゴールデンタイム、男女で異なる利用状況／スマートフォンレポート vol.7-2 | スマートフォンレポート | Web担当者Forum
男女とも夜（21～22時頃）のアプリ利用回数が最多であったが、男性は朝（7～8時頃）、昼（12時頃）、夕方（18時頃）にもアプリ利用回数が大きく伸びているのに対し、女性は日中の利用回数が比較的一定化しており、その後最大利用数を記録する夜（21～22時頃）の時間帯に向けてアプリ利用が高まっていく動きを見せた。1日のライフサイクルにおいて、有職者の多い男性が出勤時、昼休み、仕事終了後といった仕事の合間にアプリを利用しているのに対し、主婦層も含む女性は夕食後などくつろいでいる時間にまとめて利用する、といった利用傾向の違いが現れている。これをアプリへのコンテンツ配信という観点から考えると、最も効果的と想定されるのは夜の時間帯であるのに加え、日中でも7～8時や12時、18時頃の配信もユーザーの反応が期待できそうだ。特に男性は女性よりも反応しやすいと想定される。時間限定のキャンペーン展開などに効果を発
女性F1層、約3割がスマートフォンのみで動画サービスを利用【マルチデバイスにおける主要動画サービス利用状況調査】
『MarkeZine』が主催するマーケティング・イベント『MarkeZine Day』『MarkeZine Academy』『MarkeZine プレミアムセミナー』の 最新情報をはじめ、様々なイベント情報をまとめてご紹介します。 MarkeZine Day
アンケートは「回収率」が重要！ 信頼性が有効回答数よりも高くなる理由 | リサーチ／データのリテラシー入門——調査統計の基礎知識
母数の少ない統計でも、アンケートに答えた人の割合（回答比率・回答率）の高さが、信頼性につながる理由を解説します。回収率が低いと、調査結果に偏りが生じてしまい、真実と大幅にずれてしまう問題が起こります。そうした偏りを少なくするために、必要なサンプル数をはじきだす計算式と、サンプル数と回答比率と誤差の早見表を紹介します。 回答「数」が多い調査と、回収「率」が高い調査、どちらが信頼できるか？前回、調査対象者を選ぶときにはランダム性が重要であるという話をしました。そうしないとサンプルが偏るためです。しかしサンプル自体が偏っていなくても、実際の回答者が偏っているとやはり使えない調査となってしまいます。 数字を絡めた具体例でお話します。次の2つの調査を比較してみましょう。 サンプル数10万人（無作為抽出）、回答数1万人の調査（回収率10％）サンプル数1000人（無作為抽出）、回答数900人の調査（回収
内閣府が「ネット調査と訪問調査でどんな差が出るか？」を詳細に報告していた | Web担当者Forum
少し古い記事になるが、内閣府が以下のようなコンテンツを公開していた。 → インターネットによる国民生活に関する意識調査 ～ 世論調査との比較分析 ～ http://www8.cao.go.jp/survey/sonota/h19-internet/index.html わかりやすくいうと、「ネットリサーチを使った調査と、調査員による個別面接聴取による調査とで、どんな違うが出るか調べてみた」というものだ。 2007年7月調査のものなので、2008年版が出たら記事として取りあげようかと思っていたのだが、編集部コラムのネタが切れてきたので出してしまおうと思う。 同じ設問でネットリサーチと訪問調査をそれぞれ行っているのだが、まず、それぞれの調査の共通点と相違点をまとめてみよう。 2つの調査に共通すること・調査項目 現在の生活について（生活の向上感、満足度等）今後の生活について（生活の見通し、力点等
SVM実践ガイド (A Practical Guide to Support Vector Classification) - シリコンの谷のゾンビ
SVMツールで有名なLIBSVMの作者らがまとめた "A Practical Guide to Support Vector Classification" という良資料[1]の日本語解説資料をまとめてみたので公開． SVM実践ガイド (A Practical Guide to Support Vector Classification) View more presentations from sleepy_yoshi 元資料はこちら 本資料作成のきっかけは，まわりの人に「SVMとかいう手法使ったんだけど，機械学習よくわからなくてさ」という感じで相談を受けて「カーネルは何使ってるの?」「素性のスケーリングはした?」「Cパラメータは調整した?」というようなことを聞くのだけれど，「???」というやりとりにうんざりしたから． その都度，Cパラメータというものがありまして〜，カーネルというものが
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
Amazon.co.jp: パターン認識と機械学習 上 - ベイズ理論による統計的予測: C. M. ビショップ (著), 元田浩 (翻訳), 栗田多喜夫 (翻訳), 樋口知之 (翻訳), 松本裕治 (翻訳), 村田昇 (翻訳): 本