階層ベイズモデルを用いた労働時間と知的好奇心の関係分析 - kivantium活動日記
以前@berobero11さんに「StanとRでベイズ統計モデリング」をプレゼントしていただき、本を読んだのですが解析したいデータがなかったため勉強した結果を活かすことができずにいました。 しかし今日Twitterを見ていたら 長時間労働は，知的好奇心を枯らすのか。 pic.twitter.com/NcuaLAgzpy— 舞田敏彦 (@tmaita77) 2017年11月13日 労働時間と知的好奇心には，国レベルでは非常に強い負の相関があるが，個人レベルでは逆に正の相関がある https://t.co/N8Z00ljFfB— Haruhiko Okumura (@h_okumura) 2017年11月15日 というまさに階層ベイズモデルを用いた解析にぴったりのテーマが流れてきたのでStanの練習として解析を行ってみました。 モデリング まずは奥村先生のPIAACデータ解析を読んでください。
フォロワーのクラスタ分析 - kivantium活動日記
pixivのタグ頻度から考えるラブライブのカップリングが面白かったので、自分もネットワーク解析をやってみようと思いました。ネットワーク関係で最初に思い浮かんだのがTwitterのフォロワーのつながりを調べてみようと思います。 やること フォロワー同士のフォロー関係を調べる フォロー関係をネットワーク図で書く コード フォロワー同士が相互フォローにある場合二人のフォロワーの間には何らかのつながりがあることが予想されます。そこでそのつながりを見てやることでいくつかのグループが出てくるのではないかと期待できそうです。 Twitterの分析をする場合、いつもはTweepyを使っているのですが妙に遅く感じたのでPython で Twitter API にアクセスを参考にJSONをそのままリクエストします。対象はフォロワーの少ない自分のbot@mitra_sun22としました。 #!/usr/bin/
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
