tidymodelsによるtidyな機械学習（その1：データ分割と前処理から学習と性能評価まで） - Dropout
目次 目次 はじめに tidyな機械学習フロー 訓練データとテストデータの分割 特徴量エンジニアリング モデルの学習 モデルの精度評価 まとめ 参考文献 ※この記事をベースにした2019年12月7日に行われたJapan.R 2019での発表資料は以下になります。 tidymodelsによるtidyな機械学習 - Speaker Deck はじめに 本記事ではtidymodelsを用いたtidyな機械学習フローを紹介したいと思います。 tidyverseはデータハンドリングと可視化のためのメタパッケージでしたが、tidymodelsはtydyverseにフィットするやり方で統計モデリング/機械学習をするためのメタパッケージになります。 tidymodels配下のパッケージは量が多く使い所が限られているパッケージも多いため、一度に全ては紹介できません。 ですので、今回は典型的な 訓練データとテ
dplyr & purrr を用いたデータハンドリング
dplyr & purrr を用いたデータハンドリング 1. dplyr & purrr を用いたデータハンドリング 2. About Me • 杣取 恵太(そまとり けいた) • 専修大学大学院文学研究科心理学専攻 博士2年 • 日本学術振興会 特別研究員(DC1) • 研究テーマ: ⎻ 恐怖条件づけの個人差 ⎻ メタ認知の認知モデリング • 趣味: ⎻ 麻雀、ダーツ 3. 本資料の内容 dplyr と purrr(ちょこっとtidyr)を使って データを楽にハンドリングする！ 4. tidyverseワークフローにおける本資料の位置付け データの 読み込み 可視化 モデル化 dplyr purrr 整然化 変形 プログラミング 5. 本発表で使うパッケージ library(tidyverse) library(stringr) 6. まずはデータの読み込み データの 読み込み 整然化
ある日tidyと一緒に: tidyverseは厳しいがとても優しい - cucumber flesh
この記事はtidyポエムAdvent Calendarの4日目の記事となります。タイトルは釣りです。釣られた人は乙でした。 本当のタイトルは「tidyverseは厳しいがとても優しい」です。某ホクソエム氏のようです（個人の意見です）。 uribo.hatenablog.com tidyverseな世界に慣れてきて、つまづきやすいかなという点をまとめました。小ネタ的なものですが、少しでも皆さんの参考になればと思います。言いたいことは、データ型に気をつけろ、ということです。 tibble はじめに言っておくと、私はtibble大好きです。界隈ではtibbleのせいで、tibbleってなんだよ、と言った声も聞こえてくるわけですが、tibbleにはメリットしか感じません。tibble::as_tibble()、みんなtibbleになるといいよ（というのは言い過ぎか）。 まず、tibbleをご存知で
tidyverse脳になって階層構造のあるデータフレームを使いこなそう
@yutannihilationが書いたtidyverseの記事を眠気眼の状態で読んでしまって、眠気も吹き飛んで3時起きしました。訴訟。 さて、Rアドベントカレンダーの中で @yutannihilation や @takeshi0406 がtidyverseについての記事を続けて書いていることからも、tidyverseの普及具合がわかる昨今ですが、これらの記事の中であまり言及されていないことがあります。それはtidyverseに含まれるパッケージの一つである{dplyr}や{tidyr}が提供するnested data frameです。私個人はこれを階層構造のあるデータフレームと呼んでいます。 一人Rアドベントカレンダーの3日目では、tidyverseに欠かせない思想である、この階層構造のあるデータフレームについて説明をしたいと思います。といっても春先に書いたこの記事の再放送的な感じでもあ
dplyr: 高速data.frame処理
data.frameに対して抽出(select, filter)、部分的変更(mutate)、要約(summarize)、ソート(arrange)などの処理を施すためのパッケージ。 前作plyrのうちdata.frameに関する部分が強化されている。 purrr や tidyr と一緒に使うとよい。 tidyverse に含まれているので、 install.packages("tidyverse") で一括インストール、 library(tidyverse) で一括ロード。 https://r4ds.hadley.nz/data-transform.html https://github.com/tidyverse/dplyr パイプ演算子 |> による関数の連結 x |> f(a, b) は f(x, a, b) と等価。 左の値 x を第一引数として右の関数 f() に渡す。 一時変数
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
【2-3】Rで数値を複数のカテゴリーに分類するifelse関数、case_when関数、cut関数を紹介します : 独学で始める統計×データサイエンス
Rを使ったウェブスクレイピングで過去未来のZeppのライブスケジュールを取得する | 西陣に住むデータ分析屋のブログ
