Rでグラフクラスタリング - Qiita
Rでネットワーク解析をする(Introduction) ネットワーク解析のツール Pythonのライブラリにnetworkxというものがあります。 すごいですよ。 ネットワーク解析用で、ダイクストラアルゴリズムなどが実装されています。 グラフの描画では、きれいに描画できるものにGephiがあります。 今回は、Rのライブラリigraphを使って解析をしたいと思います。 初期設定 クラスタリングなどのネットワーク解析をRでするために、以下のライブラリを使用します。 クラスタリングは、分野によってはコミュニティ検出ともいわれているようです。 > sessionInfo() # Rのバージョン情報です ## R version 3.0.2 (2013-09-25) ## Platform: i386-w64-mingw32/i386 (32-bit) ## ## locale: ## [1] LC
JSON形式で値を指定すれば自動的にグラフが生成されるサイト「Tinychart」 | ライフハッカー・ジャパン
「Tinychart」はJSON形式で値を指定するだけで自動的にグラフが生成されるサイトです。値をウェブ上で指定するとグラフがリアルタイムに生成されます。生成したグラフはPNG形式の画像として保存することができますよ。 以下に使ってみた様子を載せておきます。まずTinychartへアクセスしましょう。 左側で値のセットができます。テーブル形式とJSON形式の2パターンが選べますので好きな方を使ってみましょう。右側のグラフはリアルタイムに更新されます。曲線グラフと棒グラフの2種類が選べますよ。 また、作成したグラフはPNG形式の画像としてダウンロードすることができます。ささっとグラフを書いて画像として保存したいときに便利ですね。 Tinychart （カメきち）
スペクトラルクラスタリングの話 - おいしいお米の話
Machine Learning Advent Calendar 2012に参加させていただきました，@yonetaniryo と申します．現在，博士後期課程2年で，コンピュータビジョン・パターン認識に興味があります．最近，クラスタリング手法の一つであるスペクトラルクラスタリングについて勉強する機会があったので，今回はそれを紹介しようと思います． 2013 1.24 いただいたコメントをもとに，図を一部更新しました． はじめに 本記事のモチベーション 本記事では，「スペクトラルクラスタリングについて何も知らない」人を「スペクトラルクラスタリングとは何かを大雑把には知っている」状態に持っていくことを目標にしています．具体的には，文献[1]の最初の方を紹介します． 本記事で扱う範囲 データのグラフ表現〜スペクトラルクラスタリングのアルゴリズム を扱います． 本記事で扱わない範囲 Normali
非負ッ値行列・ファクトリゼーション ～ 半群じゃないから難しくないもん！ | ADN LAB's Blog
Introduction こんにちは、k_oomoriです。今回は非負値行列因子分解 (Non-negative Matrix Factorization, 略してNMF) を用いたデータの解析について触れてみたいと思います。 まず最初に用語の定義として、「非負値行列」とは全ての要素が非負値（0以上の実数）であるような行列を指すこととします。これを用いると、NMFとは「与えられた非負値行列を2つの非負値行列との積に（近似的に）分解するアルゴリズム」 と表現できます。これにより、なんとの中に潜んでいる特徴を抽出することができるというのです！これについては後ほど説明します。 ひとまずはの具体例を見てみましょう。いくつかのニュース記事の中に特定の単語がそれぞれ何回現れるかを数えるという状況を想像してください。例えば記事が3つ、対象とする単語が5つの場合、出現回数を次のように並べることができます。
Gephi, オープンソースのグラフ可視化・操作ソフトウェア
Gephi が再び Google Summer of Code (GSoC 2011) に認定されました！ Google Summer of Code は、世界各地の学生がオープンソースプロジェクトに貢献することができるたいへん優れたプログラムです。詳細はこちら » 応用例 探索的データ解析: リアルタイムでのネットワーク操作による直感的分析。 リンク解析: 特にスケールフリーネットワークにおけるオブジェクト間関係の根本構造の明確化。 ソーシャルネットワーク分析: さまざまなコミュニティ組織やスモールワールドネットワークをマップ化できるソーシャルデータコネクタを簡単に作成可能。 生物学的ネットワーク解析: 生物学的データのパターンを表現。 ポスター制作: 高解像度の印刷可能グラフで学術研究成果をプロモート。 詳細はこちら » 各種のメトリクスを用意 中心性 (Centrality): 社会
Rによるオープン・データの可視化（2）
今回は美しいグラフが手軽に作成できる、グラフィックパッケージを使ってみます。世界銀行のデータや、先日Wikileaksで流出して話題となっているアフガン戦争のデータを使い、可視化のほかデータの正統性の検証も行ってみます。 ggplot2という「デフォルト」グラフィックパッケージ 今回は前回の続きとして、オープン・データをプロットすることをテーマに取り上げます。前回はRの組込みのグラフ描画関数である、plotやts.plotのみを利用しましたが、今回は、外部グラフィックライブラリとして最近非常に注目されているggplot2パッケージを利用します。この連載でも今後、グラフ描画についてはggplot2を利用していく予定です。 また、今回はWebサービスを利用したデータ取得についても取り上げます。 ggplot2は、Rユーザーの間ではデファクトスタンダードのツールとなっているグラフィックパッケージ
Rってめっちゃ検索しにくくね！？ - aqua-noraの日記
タイトルはただの愚痴です。 情報検索能力が著しく低い身としては、もう少し名前、どうにかならなかったんですかと2、3分ほど問い詰めたい思いではありますが、まあそれもいいでしょう。 どうでもいいことです(主にこの文章が)。 さて。 タイトルの通り、今回はRのplotに関する個人メモですね。 グラフを書く際などに、gnuplotを用いるという手法が偉い人たちの間ではメジャーなんでしょうが、僕のような怠惰なライトユーザーには、彼は敷居が高い感じです。 ライトと怠惰、どちらが原因なのかという疑問を感じた人は、お疲れ気味のようなのでお体を大切に。 で、特に今回はRscriptを用いた例をメモります。 使用イメージ： まずは、どういう使い方がしたかったかというお話から。 まず、下記のようなデータファイルがあったとしましょう。 5.049930979133517 6.736440649585864 6.8
大規模グラフの可視化の手法・ソフトウェア - (iwi) 備忘録
面白そうなので気が向いた時に調べる．随時情報追加予定． 基礎 http://en.wikipedia.org/wiki/Graph_drawing これを読むぞ！ http://www.csse.monash.edu.au/hons/se-projects/2006/Kieran.Simpson/output/html/node2.html コレも気になる！ なんかのソフトウェアパッケージの論文より引用 http://www.necsi.edu/events/iccs6/papers/c1602a3c126ba822d0bc4293371c.pdf Graph layouts The following layout generators are part of igraph: � simple circle and sphere layouts, random layouts � Fru
Kamada, Kawai のグラフ描画アルゴリズム - 私の図書館
はしがき 今回はフロイド法のところで言及したグラフ描画アルゴリズムについて書きます。 私はグラフ描画の世界に関しては何も知らない素人で、このアルゴリズムも古典的な有名どころらしきものを適当に選んだだけなのですが、このアルゴリズムが掲載されている An Algorithm for Drawing General Undirected Graphs は今日の時点で Google Scholar 調べで 1198 の記事から引用されているというとても凄い論文です。 アルゴリズム アルゴリズムはとてもシンプルなもので、グラフの各頂点の現在の描画位置を引数にとるエネルギー関数を定義し、その極小点を Newton-Raphson 法で求めるだけです。 頂点を結ぶ辺は、頂点の位置が定まった後に直線によって描画されます。 よって（入力が平面グラフであっても）辺は交差している場合があります。 エネルギー関数
高円寺の出会い掲示板で見つけた愛 – 会いたっかったあのコへ…
、人間の魅力にあふれた賢い男性だと思います。 「さくら」が出会えないと文句を言う男は間違っている！ あなたは高円寺の出会い掲示板の責任を知っているべきです！ 正直なところ、このサイトを利用している女性の約10％が簡単に会…
)
力学モデル (グラフ描画アルゴリズム) - Wikipedia
力学モデルによる、wiki ページのネットワークの可視化。（辺はリンクを表す） 力学モデル（りきがくモデル）によるグラフ描画（力指向アルゴリズム）は、グラフを美しく描画するためのアルゴリズムの一つである。 このアルゴリズムは、グラフのノードを2次元空間や3次元空間に配置して、辺の長さをほぼ等しい長さにし、グラフの辺ができるだけ交差しないようにすることを目的にしている。 このアルゴリズムでは、グラフの頂点と辺に仮想的な力を割り当て、力学的エネルギーの低い安定状態を探すことで、この目的を達成している。もっとも直截的なモデルでは、それぞれの辺をフックの法則にしたがうばねとみなし、それぞれの頂点をクーロンの法則にしたがう電荷をもつ粒子とみなす。 そして、その力学系の挙動をシミュレートし、弾性力や静電気力が粒子を近づけたり遠ざけたりするようすを計算する。粒子が安定な配置になり、位置が変化しなくなるま
wonderfl build flash online
wonderflは、サイト上でFlashをつくることのできるサービス。 通常Flashをつくるためには、Flash IDEやFlex、FlashDevelop等といったツールを使って、コードを書き、コンパイルする必要がありますが、wonderflでは、サイトにあるフォームにActionscript3のコードを書けば、サーバサイドでコンパイルを行えます。 つまり、ブラウザさえあれば、Flashをつくれます。コンパイル結果はサイト上に表示され、作成されたFlash（swf）はページ上に自動的に表示されるので、完成したFlashをリアルタイムに見ながらコードを書くことができます。 ※APIとして、はてな OpenIDを使用してネットにさえつながれば、誰もがFlashクリエイターになれます。世界中のFlashクリエイターがユーザーになるwonderflは、 文字通り、世界のFlash図鑑となってい
グラフの自動レイアウトに挑戦 #1 グラフ構造をSVGで表示
2022-08-12 13:50:22 作成したアプリケーションとソースコード アプリケーション： https://refd6y.csb.app/ （ブラウザで実行します） ソースコード： https://codesandbox.io/s/graph-layout1-refd6y はじめに 連載記事のトップのところに書いた図はこのようなものだ。 これをコンピュータに自動配置させたい。 Eadesのばねモデル このような、つながった複数の物体をコンピュータに自動配置させるのは「グラフ描画」または「グラフレイアウト」と呼ばれる分野であり、さまざまなアルゴリズムが研究されている。この連載記事では比較的単純な「Eadesのばねモデル」というアルゴリズムを採用する。 Eadesのばねモデルとは、次のようなモデルをつくって物理シミュレーションすることで、物体を配置するアルゴリズムだ。 各ノード(頂点)
Graphvizによる有向グラフの自動生成 « Stop Making Sense
August 2011 (1) July 2011 (1) June 2011 (2) April 2011 (2) March 2011 (2) February 2011 (2) January 2011 (6) December 2010 (6) November 2010 (5) October 2010 (8) September 2010 (2) August 2010 (3) July 2010 (9) June 2010 (4) March 2010 (1) February 2010 (7) January 2010 (2) Graphvizとは AT&T研究所が開発したグラフ描画ツールです。 ただし、折れ線グラフや棒グラフみたいなExcelで作成するようなグラフではなく、ダイヤグラムや有向グラフなどが対象となります。 Graphvizの公式サイト Graphvizを使う
「最強最速アルゴリズマー養成講座」関連の最新 ニュース・レビュー・解説 記事 まとめ - ITmedia Keywords
最強最速アルゴリズマー養成講座： そのアルゴリズム、貪欲につき――貪欲法のススメ アルゴリズムの世界において、欲張りであることはときに有利に働くことがあります。今回は、貪欲法と呼ばれるアルゴリズムを紹介しながら、ハードな問題に挑戦してみましょう。このアルゴリズムが使えるかどうかの見極めができるようになれば、あなたの論理的思考力はかなりのレベルなのです。（2010/9/4） 最強最速アルゴリズマー養成講座： 病みつきになる「動的計画法」、その深淵に迫る 数回にわたって動的計画法・メモ化再帰について解説してきましたが、今回は実践編として、ナップサック問題への挑戦を足がかりに、その長所と短所の紹介、理解度チェックシートなどを用意しました。特に、動的計画法について深く掘り下げ、皆さんを動的計画法マスターの道にご案内します。（2010/5/15） 最強最速アルゴリズマー養成講座： アルゴリズマーの登
トップクラスだけが知る「このアルゴリズムがすごい」――「探索」基礎最速マスター
トップクラスだけが知る「このアルゴリズムがすごい」――「探索」基礎最速マスター：最強最速アルゴリズマー養成講座（1/4 ページ） プログラミングにおける重要な概念である「探索」を最速でマスターするために、今回は少し応用となる探索手法などを紹介しながら、その実践力を育成します。問題をグラフとして表現し、効率よく探索する方法をぜひ日常に生かしてみましょう。 まだまだ活用可能な探索 前回の「知れば天国、知らねば地獄――『探索』虎の巻」で、「探索」という概念の基礎について紹介しました。すでに探索についてよく理解している方には物足りなかったかと思いますが、「問題をグラフとしてうまく表現し、そのグラフを効率よく探索する」というアルゴリズマー的な思考法がまだ身についていなかった方には、得るものもあったのではないでしょうか。 前回は、「幅優先探索」と「深さ優先探索」という、比較的単純なものを紹介しましたが
3-dimensional matching - Wikipedia
3-dimensional matchings. (a) Input T. (b)–(c) Solutions. In the mathematical discipline of graph theory, a 3-dimensional matching is a generalization of bipartite matching (also known as 2-dimensional matching) to 3-partite hypergraphs, which consist of hyperedges each of which contains 3 vertices (instead of edges containing 2 vertices in a usual graph). 3-dimensional matching, often abbreviated
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
スペクトラルグラフ理論入門
http://www.ekouhou.net/%E3%82%B0%E3%83%A9%E3%83%95%E5%8F%AF%E8%A6%96%E5%8C%96%E5%BA%A7%E6%A8%99%E8%A8%88%E7%AE%97%E6%96%B9%E6%B3%95%E3%80%81%E8%A3%85%E7%BD%AE%E3%80%81%E3%83%97%E3%83%AD%E3%82%B0%E3%83%A9%E3%83%A0%E4%B8%A6%E3%81%B3%E3%81%AB%E3%81%9D%E3%81
Algorithms with Python