サービス終了のお知らせ いつもYahoo! JAPANのサービスをご利用いただき誠にありがとうございます。 お客様がアクセスされたサービスは本日までにサービスを終了いたしました。 今後ともYahoo! JAPANのサービスをご愛顧くださいますよう、よろしくお願いいたします。
こんにちは。 私の趣味は歌詞を読むことです。妄想を歌詞に当てはめてその一致を楽しんだり、ツイートをスクレイピングして歌詞と符合させたりして遊んでいます。 そのためにはたくさん知らないといけないことがあります。私はぜんぜん知りません。 そこで、私は、学ぶことにしました。この記事は学びの軌跡です。主に書籍をまとめました。 載せる本を選んだ基準は以下の通りです。 私は、下記のあらゆる分野で初学者です。専門的なことはわからないので、入門書を選びました。 私は、独学でお勉強します。ひとりで読んでも大丈夫だと思う本を選びました。 私は、いろんな本を読みました。今回はその中でも、よかったものだけを選びました。 分野は、おおむね以下のように分かれました。 統計学 プログラミング データマイニング 数学 国語 文学理論 音楽 グッズでは、順番に書いていきます。読むときはお好きなとこからご覧ください。統計学最
画面左下の「スタート」をクリックし、「コントロールパネル」を選択して、コントロールパネル画面を開きます。
5. Year Month Day Wday Weather Head.count 2012 1 1 0 1 0 2012 1 2 1 1 7800 2012 1 3 2 1 0 2012 1 4 3 2 19400 2012 1 5 4 1 32000 2012 1 6 5 3 0 … … … … … … 2013 12 27 5 5 14100 2013 12 28 6 3 6300 2013 12 29 0 1 17700 2013 12 30 1 1 0 2013 12 31 2 2 0 天気 曜日 0: 日 1: 月 … 6: 土 1: 2: 3: 4: 5: 晴れ 曇り 雨 大雨 雪 Sale 39.225 44.043 51.804 92.846 126.064 99.976 … 148.769 49.090 126.074 67.274 56.311 近くのイベント の参加
こんばんは、ゆるふわの対極であるところのガチムチ角刈り系のberoberoです。 この記事はR Advent Calendar 2013の26日目の記事になります。 12/22(日)にBUGS/Stan勉強会#2がドリコム株式会社にて催されました。そこで2つ発表をしました。そのうちの1つ「『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた」に関する詳細&補足&苦労話をここで書きたいと思います。RStanというパッケージでRからStanというMCMCサンプリングソフトを使っています。 最初に発表内容のスライドは以下になります。ざっと見るにはこれで十分です。 『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた from berobero11 以降ではスライドごとに簡単に補足していきます。 まずは元となった書籍の紹介です。時系列解析の第一人者による分か
本文章はStan Development Team. 2015. Stan Modeling Language Users Guide and Reference Manual, Version 2.7.0.の3章: Data Typesの翻訳となります。 訳者は勉強がてら翻訳しようと思っただけで、プログラムの専門家でもデータ解析の専門家でもありません。そのため誤訳・意味の取り違えなどあると思いますが、その際はご指摘いただけると幸いです。4章、5章はやりたいと思っていますが、その先は未定です。また、翻訳ペースも気分しだいです。ご了承ください。 3.データ型 本章ではStanで変数の宣言や、式の値に使われるデータ型について議論します。変数の型はパラメータの宣言、データの一貫性、関数の呼び出し、変数に値を割り当てる場合のすべてにおいて重要な要素となります。 Stanにおいて、すべての式と変数の
Stanで順序ロジット回帰をやってみる。 東北地方の2012年のブナ結実データと2013年のブナ結実データをつかう。とりあえず、時系列とか、調査地のランダム効果は考えないことにする。 2012年と2013年の結実状況をそれぞれ、非結実→1、少→2、中→3、多→4、という順序尺度変数にする。 f2012 <- c(rep(1, 93), rep(2, 46), rep(3, 4), rep(4, 2)) f2013 <- c(rep(1, 5), rep(2, 44), rep(3, 33), rep(4, 63)) f <- c(f2012, f2013) 年をダミー変数にする。2012年→0、2013年→1。 y <- c(rep(0, length(f2012)), rep(1, length(f2013))) Stanのモデルを定義してコンパイル・サンプリング。各ランクに対応した切片
1-1. 配列(array)について 配列は任意の型を要素に持つことのできるコンテナです。 したがって、real と int の配列だけでなく、vector や matrix を要素として持つ配列を作ることができます。 二次元配列は、実際は一次元配列を要素に持つ配列です。 real x[M, N] という配列があったとき、x[m, n] は x[m][n] の簡易的な書き方です。 1-2. 行列(matrix)と配列(array)の違い Stan において、matrix と array は明確に異なる役割を持っています。 matrix は数学の行列を表現するためのもので、array は複数の要素を持つためのコンテナです。 したがって、matrix に対しては行列演算(行列積など)を行うことができますが、array に対してはこれを行うことはできません。 また、matrix は線形代数関数(
(※Stan v2.4.0以降でインストール方法に若干変更があります!詳しくはこの記事の中ほどをご覧ください) さて、年初の抱負でも語ったように今年はStanを頑張って会得していこうと思います。理由は簡単で、ありったけの要素を詰め込んでMCMCサンプラーでガンガン推定していくような階層ベイズモデリングに自分の興味としても惹かれる上に、実務でも必要になりそうな見通し*1だからです。 Stan: Project Home Page 既に以前の記事でも簡単に触れてますが、StanはC++ベースのコンパイラで高速化させたMCMCサンプラーです。文法も簡単でなおかつ高速なので、BUGSでは時間がかかり過ぎて辛かった計算でも比較的サクサク回せます。 このシリーズを通して参考にするのは、@berobero11さんのブログです。 Small Data Scientist Memorandum 本当にもう、
対象: Stan触ったことない人 目的: Stan触るまで。 某勉強会にてStanについて5時間ほどお話しました。 その前半スライドになります。 何か問題がございましたら、ご連絡下さい。 Codeは、以下に・・・。 https://github.com/dastatis/Stan_Study
「いつか勉強しよう」と人工知能/機械学習/ディープラーニング(Deep Learning)といったトピックの記事の見つけてはアーカイブしてきたものの、結局2015年は何一つやらずに終わってしまったので、とにかく一歩でも足を踏み出すべく、本質的な理解等はさておき、とにかく試してみるということをやってみました。 試したのは、TensorFlow、Chainer、Caffe といった機械学習およびディープラーニングの代表的なライブラリ/フレームワーク3種と、2015年に話題になったディープラーニングを利用したアプリケーション2種(DeepDream、chainer-gogh)。 (DeepDreamで試した結果画像) タイトルに半日と書きましたが、たとえばTensorFlowは環境構築だけなら10分もあれば終わるでしょうし、Chainerなんてコマンド一発なので5秒くらいです。Caffeは僕はハ
D3The JavaScript library for bespoke data visualization Create custom dynamic visualizations with unparalleled flexibility
どんなに情報をまとめても、それを可視化して見ている人にうまく伝えるのは至難の技です。そんな時にデータをスタイリッシュかつ見やすいグラフにしてくれるのが、様々なデザインのJavascriptがダウンロード可能なライブラリ「D3.js」です。 D3.js - Data-Driven Documents http://d3js.org/ D3.jsを使って作ったグラフの事例を公式ギャラリーから見ることが可能で、これらのグラフにもとになる素材(スクリプトのソース)がGitHubで入手可能です。 Gallery · mbostock/d3 Wiki · GitHub デザインの一例は以下から。 ◆:Bubble Chart 作成例によっては、ページに直接コードが記載されているものもあります。 ◆:Four Ways to Slice Obama’s 2013 Budget Proposal - In
(文 根津貴央 / 写真 松田正臣) 人はなぜ山に登るのか—。たびたび目にするこの問いに対して、明確な答えを探すのは困難である。なぜなら人によって登る目的は異なるし、その人の自由であるからだ。ただひとつ言えるのは、その誰もが何らかの楽しみをそこに見出しているということ。そう、山は楽しいのだ。そして楽しみ方は人それぞれ。ひと昔前までは手段としては歩くこと、つまりはハイキングが主流だったが、近年では走る人も増えてきた。トレイルランニングだ。そして、その両方を組み合わせたスタイルが『ファストパッキング』である。バックパックに衣食住を詰め込み、1泊以上の行程をランも交えて楽しむこの山行スタイル。昨年onyourmarkでも取り上げたが、今年も引き続き注目していきたい。そして、より多くの人にその魅力を伝えるべく、このたびゲストに石川弘樹さんを迎えて全4回の連載企画をスタートさせることになった。今回は
1. 習熟度別のクラス編成で基礎から学ぶ高度な経済学 個人や企業の行動を分析するミクロ経済学や、経済全体の行動を分析するマクロ経済学などで、入門科目から発展的な専門科目まで、習熟度別のクラス編成を実施。基礎から経済の知識を身につけ、高度で先端的な経済学を学修できます。 2. 少人数で学べる最先端の「行動経済学」 「人は合理的に行動する」と考える伝統的な経済学に対して、今日の経済学には「人は必ずしも合理的には行動しない」という考え方が取り入れられています。本学科では、こうした視点から人の経済行動を分析する最新の学問「行動経済学」を学ぶことができます。 3. ファイナンシャル・プランナー(AFPなど)の資格を目指す 金融市場の仕組みから、企業の資金調達、個人の資産運用まで、金融の知識を初歩から応用まで学修します。将来、金融機関で働きたい人や、ファイナンシャル・プランナー(AFPなど)の資格を取
こんにちは。おうちハッカーの石田です。 いつもはおうちハックネタばかりですが、今日は人工知能関連の話題です。 今日2015/11/10、Googleが自社サービスで使っているDeepLearningを始めとする機械学習技術のライブラリを公開しました。 TensorFlowという名前で、おそらくテンソルフローと呼びます。 テンソルは、数学の線形の量を表す概念で、ベクトルの親戚みたいなものです。それにフローをつけるということは、そういった複雑な多次元ベクトル量を流れるように処理できる、という意味が込められているのだと思います。 こちらをさっそく触ってみたので、紹介したいと思います。 TensorFlowの特徴 公式紹介ページから特徴をいくつかピックアップします。 Deep Flexibility ~深い柔軟性~ 要望に応じて、柔軟にニューラルネットワークを構築できます。ニューラルネットワークの
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