なぜ項目ごとに単純な集計をするより、多変量解析（重回帰分析）をした方が正確な結果を返すのか - 渋谷駅前で働くデータサイエンティストのブログ
ちょっと前の記事（単純な集計とデータサイエンスによる分析とで結果が食い違うかもしれない3ケース）に裏先生からツッコミを頂き、慌てて学部1年生の頃の教科書を開いて復習しまして。。。いやー、忘れてることが多過ぎて大変（汗）。知るは一時の恥というのをつくづく思い知りましたとさ。本当に裏先生ありがとうございました。 ということで、その復習内容の確認と同時に、あの時の裏先生のツッコミ内容をかみくだいて紹介するのも兼ねて、ここはひとつざっくり書いてみようかと思います。 項目ごとの単純集計は「単変量」解析（もっと言えば単相関）に過ぎず、多変量データ全体のことは分からない 前回用いたサンプルデータは、基本的にはa1-a7が0or1のみの二値で構成される事実上のカテゴリカルデータ*1で、cvも"Yes"or"No"のみの二値で構成されるカテゴリカルデータです。 で、二値のカテゴリカルデータだけで構成されてい
『手を動かしながら学ぶ ビジネスに活かすデータマイニング』（技術評論社）を書くに当たって気を付けたこと＆補足など（追記あり） - 渋谷駅前で働くデータサイエンティストのブログ
追記(2015/03/14) 第7章の決定木のところで取り上げた{mvpart}パッケージのサポートが切れ、CRANから削除されてしまったためinstall.packages関数ではインストールできなくなっています。現在のインストール方法を最後に追記しました。 追記(2014/09/18) 実はGoogleブックスで立ち読み可能です 拙著公式サポートページと相互リンクしています。サンプルデータと正誤表はこちらをご参照ください ということで、以下の通り拙著『手を動かしながら学ぶ ビジネスに活かすデータマイニング』（技術評論社）が本日発売と相成りました（都内の大型書店では先週半ばから先行販売している模様です）。 手を動かしながら学ぶ ビジネスに活かすデータマイニング 作者: 尾崎隆出版社/メーカー: 技術評論社発売日: 2014/08/22メディア: 単行本（ソフトカバー）この商品を含むブログ
R-Source
回帰分析を行なうために以下の関数が用意されている． lsfit() ： 最小二乗法による回帰を行う． lm() ： 線形モデルによる回帰を行う glm() ： 一般線形モデルによる回帰を行う ここで対象となるモデルは以下のような線形モデルである． 上式をベクトル表記すると y = Xb + e となる．このときの y は応答ベクトル，X は説明変数のベクトル（モデル行列）で，x0 は切片項（要素が全て 1 である列ベクトル）となっている． 回帰分析と重回帰分析 関数 lm() により線形モデルの当てはめを行うことが出来る．この関数により，回帰分析や分散分析，そして共分散分析を行うことが出来る． 詳しい解説は『工学のためのデータサイエンス入門』(間瀬・神保・鎌倉・金藤 共著，数理工学社) を参照のこと．分散分析や非線形回帰についても詳しい解説が載っている． 関数 lm() の書式と引数 書式
サポートページ：手を動かしながら学ぶ ビジネスに活かすデータマイニング
ダウンロード 本書で使用するサンプルデータがダウンロードできます。 圧縮ファイルをダウンロードしていただき，適宜解凍してご利用ください。 各ファイルはテキスト形式になっています。データの読み込み方については，本書のP.39「2.4.3 Rでデータを入出力してみる」をご覧ください。 ダウンロード DM_sampledata.zip 補足情報 本書に関する補足記事が著者のブログ（「銀座で働くData Scientistのブログ」）に掲載されています。ぜひ，本書と併せてご覧ください。 『手を動かしながら学ぶ ビジネスに活かすデータマイニング』（技術評論社）を書くに当たって気を付けたこと＆補足など（追記あり） サポートが切れたCRANパッケージについて （2015年3月23日更新） 第7章で決定木を取り上げた際に紹介した{mvpart}パッケージのサポートが2014年12月の時点で切れてしまい，C
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
