「国と音楽」 ～spotifyrを用いて～ #muana
SpotifyのWebAPIから取得できるデータを使い、国ごとに流行っている曲の傾向やグループ分けを行ってみた。 #muana #R言語 #rstats
SpotifyのWebAPIから取得できるデータを使い、国ごとに流行っている曲の傾向やグループ分けを行ってみた。 #muana #R言語 #rstats
バーチャルマーケット2021
お知らせ 2021/12/19 バーチャルマーケット2021は12/19に終了しました。ご支援を頂き誠にありがとうございました。ぜひ、来場者アンケートへご協力下さい。 https://forms.gle/uGGcsgeA22WJxGcJ82021/12/08 VRChatのワールド一覧の「バーチャルマーケット2021」特設カテゴリは、12月14日で掲載を終了します。「Vket」または「Vket2021」で検索することでご来場頂けます。2021/12/03 「Oculus Quest」をお使いの場合、「復刻江戸城城下町」では一回目の入場に失敗する場合があります。お手数ですが再度入場をお試しください。 全て見る
RからシームレスにPythonを呼べるreticulateが便利だった | NHN テコラス Tech Blog | AWS、機械学習、IoTなどの技術ブログ
こんにちは。データサイエンスチームの t2sy です。 この記事では、R と Python をシームレスに繋ぐことができる reticulate パッケージを紹介します。 reticulate パッケージを使うことで R を主に使っているデータ分析者が、分析の一部で Python を使いたい場合に R からシームレスに Python を呼ぶことができ、ワークフローの効率化が期待できます。 実行環境は以下です。 Amazon EC2: t2.large インスタンス (vCPU: 2, メモリ: 8GiB) Ubuntu Server: 16.04 LTS RStudio Server: 1.1.442 Anaconda: 2-5.1.0 scikit-learn: 0.19.1 umap-learn: 0.2.1 > sessionInfo() R version 3.4.4 (2018-
Welcome This is the on-line version of work-in-progress 3rd edition of “ggplot2: elegant graphics for data analysis” published by Springer. You can learn what’s changed from the 2nd edition in the Preface. While this book gives some details on the basics of ggplot2, its primary focus is explaining the Grammar of Graphics that ggplot2 uses, and describing the full details. It is not a cookbook, and
新型コロナウイルスのデータを扱う際に、メッシュコード（標準地域メッシュ）が利用されることがあります。 特にNTTドコモ「モバイル空間統計」分析レポートのデータは、内閣官房の新型コロナウイルス感染症対策のページにも掲載されているように 全国各地の人口変動を分析するのに欠かせないデータとなっています。 人流データを使った分析は、先日発表された「新型コロナウイルス感染症対策の状況分析・提言」（2020年5月1日） (PDF)の中でも 行われており、本文中に以下の記述があります。 渋谷駅周辺と難波駅周辺から半径 1 ㎞圏内においては、10 歳台および 20 歳台の若者を中心として昼夜問わず接触頻度が 80％以上、減少したことがうかがえる。 また、GitHubにアップロードされている この結果の補足資料を見るとモバイル空間統計のメッシュデータを使った分析と可視化の事例が確認できます（3. 各エリアの
R のモダンな NA 処理まとめ - Qiita
データの欠損値を表す NA 。その NA をモダンなパッケージを用いて処理する方法についてまとめる。特に vector と data.frame に対して NA の削除や置換方法を中心に記載していきたい。 ※ここで「モダン」と言っているのは、特に明確な定義があるわけではなく、最近開発されたパッケージという程度の意味である。 更新履歴 2020/5/18 文書の体裁を修正。 2020/5/3 {rlang} の %|% 演算子を追加。 2020/5/3 文書の体裁を修正。 方針 この記事では {dplyr} や {tidyr} などのパッケージを積極的に使って NA 処理をする方法を紹介する方針だ。もちろん {base} の機能でも基本的な NA 処理は可能だ。 例えば vector から NA を削除する場合には、
Fukuoka.R#15 https://fukuoka-r.connpass.com/event/139211/ での発表資料です リポジトリ http://github.com/uribo/190831_fukuokar15
本記事は最近読んだ次の記事からインスピレーションを得ました。 RのdplyrやPythonのpolarsのようなパッケージでデータフレームの操作に慣れている人ならば、Rのdbplyrを使うことで、バグが少ない上に早くサブクエリを構築することができます。 何千回も実行するSQLならば時間をかけてチューニングされたSQLを構築したほうがよいと思いますが、分析の試行錯誤のサイクルを早く回したい場合など数十回ぐらいしか実行しないSQLならば、dbplyrから実行したほうがよいでしょう。 それではざっくり元記事に沿って例を説明します。 カラムのサブクエリ 大分類（major_category）で絞って、該当する作品を表示する例をお借りします。 まず素直にms_categoriesテーブルから該当するcategory_idを抜き出しておいて、%in%で求めると、 category_id_fiction
beyond-bar-and-box-plots/README.md at main · z3tt/beyond-bar-and-box-plots
You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
Welcome to Hands-On Machine Learning with R. This book provides hands-on modules for many of the most common machine learning methods to include: Generalized low rank models Clustering algorithms Autoencoders Regularized models Random forests Gradient boosting machines Deep neural networks Stacking / super learners and more! You will learn how to build and tune these various models with R packages
8 回帰分析 | Rによる統計入門
8.1 概要 回帰分析という統計手法は、独立変数（説明変数・予測変数）と従属変数（被説明変数・目的変数・応答変数）の関係を記述するのに使われます。 回帰分析を使うことで、 目的変数と関連のある説明変数を特定したり、 変数間の関係式を記述したり、 説明変数から目的変数を予測したり することができます。
はじめに こちらの記事でSurrogate indexについて初めて知りました。 developers.cyberagent.co.jp Netflixでも活用されていて、一定の成果を上げているようです。 arxiv.org 業務で扱う課題を解決してくれる可能性があったため、理解しておきたいと思いました。 論文等を読みつつRで挙動などを確認していきます。 はじめに 概要 課題感 方針 仮定 仮定1 強く無視できる割り当て条件 仮定2 代理性 仮定3 互換性 定義 Surrogate index：代理指数 代理スコア：Surrogate Score Sampling Score 潜在的条件付き期待値 関係性 因果効果の推定 論文での適用事例 Rで確認 データの生成 推定 所感 概要 元の論文はこちらです。 www.nber.org よりわかりやすい説明は冒頭のブログ記事を参照してください。
Toby Mao, Sri Sri Perangur, Colin McFarland Another day, another custom script to analyze an A/B test. Maybe you’ve done this before and have an old script lying around. If it’s new, it’s probably going to take some time to set up, right? Not at Netflix. ABlaze: The standard view of analyses in the XP UISuppose you’re running a new video encoding test and theorize that the two new encodes should r
Rによる社会調査データ分析の手引き
Rによる社会調査データ分析の手引き 麦山 亮太（学習院大学法学部政治学科）/ Ryota Mugiyama (Department of Political Studies, Gakushuin University) Last update: 2022-10-09 まえがき 本資料は麦山が担当する学習院大学法学部政治学科「社会学演習（社会的不平等に関する実証研究）」、同大学院政治学研究科「統計解析I」「公共秩序の数理モデル（社会調査データの計量分析）」の授業で使用する資料です。その他の授業でも活用することがあります。授業では適宜口頭で説明を補いながら使うことを想定しているため説明を簡単に済ませているところもありますが、どなたでも参照できるかと思います。分かりやすさを重視しているため、厳密性には欠けるところがあるかもしれません。 タイトルに示されているとおり、本資料の目的はとくに社会調査の
備忘録：R版Kerasで自前のモデルをfine-tuningする方法 - 渋谷駅前で働くデータサイエンティストのブログ
この記事は、別にちょっとした理由があってR版Kerasで自前のDNNモデルをfine-tuningしたいと思ったので、調べて得られた知識をただまとめただけの備忘録です。既にやり方をご存知の方や、興味がないという方はお読みにならなくても大丈夫です。ただし「このやり方間違ってるぞ」「その理解は誤っている」的なご指摘は大歓迎どころか大募集中ですので、コメントなどでご一報ください。 Fine-tuningとは R版Kerasのドキュメントに書いてあること Rコードと実験結果 Fine-tuningとは 前々から雰囲気では理解していたんですが*1、雰囲気しか知らないが故に適切なまとめ方が分からないのでこちらのブログ記事から引用させていただくと、 ファインチューニングとは、学習済みモデルの一部もしくはすべての層の重みを微調整する手法です。転移学習では、学習済みモデルの重みを固定して用いますが、ファイン
KUT 計量経済学応用
0.1 この資料について この資料は、高知工科大学 (KUT) 経済・マネジメント学群で2020年度に開講する「計量経済学応用」の補助教材である。 受講生は、以下の3点に注意されたい。 この資料は、授業の進捗にあわせてアップデートされる。 とりあえず、一通り書き終えた。 (2020-07-07) 公開時点（2Q開始時点）では、すべてのトピックの説明が完成していない。 各トピックの説明は順次追加する。 一度アップロードしたトピックの内容を修正するときは、Slack でアナウンスする。 ただし、誤字・脱字等については気付いたらアナウンスせずに修正する。 この資料以外の授業資料（解説音声付きスライドや配布資料など）は、KUTLMS (Moodle) にアップロードする。 この資料以外に教科書が必要である。 教科書：安井翔太. 2020.『効果検証入門：正しい比較のための因果推論/計量経済学の基礎
突如現れたドコモの「軽量ディスプレイグラス」開発担当者に狙いを聞く NTTドコモが、2月4日から7日にオンライン開催した「docomo Open House 2021」に合わせ、新しく「軽量ディスプレイグラス」を発表した。現状では「試作機」であり、製品化の明確な予定は公表されていない。しかし、どうにも気になる存在ではないか。 docomo Open Houseは、2020年がそうであったように、本来は会場に足を運ぶ「リアルイベント」だった。だが今回はオンラインイベントになったので、映像くらいしか手がかりがない。 というわけで、NTTドコモに行き、試作実機を体験しながら、その狙いを開発者に聞いた。 ご対応いただいたのは、株式会社NTTドコモ プロダクト部 プロダクト企画担当の津田浩孝氏、同 石丸夏輝氏、同 デザインマネジメント担当の吉田恵理子氏の3名だ。 （左から：取材にご対応いただいた、株
Rで連立方程式を解く練習（例：超小型の日本経済マクロ計量モデル） - StatsBeginner: 初学者の統計学習ノート
先日、『gretlで計量経済分析』という本に載っている二段階最小二乗法の演習をRでやってみるエントリ（リンク）を書いたのですが、同じ本の次の章は「マクロ計量モデル入門」となっていて、1980年から2009年までの日本経済のデータを用い、5本の構造方程式と2本の定義式、7つの内生変数と9つの外生変数からなる超小型のマクロ計量モデルをつくるというものでした。 Rで連立方程式を解く方法の確認がてら、Rで実行してみます。 最近、研究室の学生にRの使い方をイチから教えてるのですが、これをさらに単純化して練習問題に使えるかも……？ データは本のサポートページからダウンロードできるものですが、「model.gdt」というファイルをgretlで読み込んでcsvで書き出したものを、Rに読み込ませて使いました。 準備 データは↓のようなイメージです（画像は一部です）。 library(lmtest) libr
視線センシングで 魅せる次世代UX 「視線検出技術」 特許取得 「パナソニックとの共同特許」を活用した「視線検出技術」は、RGBカメラで撮影した顔の特徴量から「視線方向・視線位置」などを可視化・定量化できる、弊社独自のアルゴリズムによる「ヒューマンセンシング技術」です。 顧客がディスプレイやサイネージのどのあたりを見ているかを定量化したい ヘッドマウントディスプレイ機器に視線検出を追加して UXを向上したい マウスやクリックの代わりに、視線やまばたきをインターフェースとして代替したい 本「視線検出技術」の特徴 1.非接触・非装着の視線検出を実現 本「視線検出技術」は、センサーにカメラのみを利用するため「非接触」に視線検出が可能であり、ユーザビリティに優れています。 カメラセンサは、可視光センサに対応しているため、WEBカメラでも可能です。 ＜動画＞高精度！本技術のデモンストレーション(CI
おはよ鵜来ちゃん。拙者ブルネイ泊地で提督業を営んでいるJanssonと申す。以降お見知りおきをお願いしたく候(ﾉ)･ω･(ヾ) 戦績：聯合２回、１群５回、２群以下たくさん。 1.Janssonについて・１４夏着任。イムヤとマエストラーレ姉妹が好き。 ショボンさん帰ってきて……・最近は鵜来ちゃんに狂わされている。 ここすき。2.この記事のきっかけ私は艦これに関する読み物が好きです。戦果周回編成紹介や、イベントの攻略記事を読むのが好きです。提督たちの物語を読むのが好きです。 いつか私も何かしら書いてみたかったので、今回書いてみることにしました（小泉構文）。 そんな次第で、今回は昨年11月に鵜来ちゃんの運最大値を目指し、ついでに聯合4位以上を目標に走った体験談を残していこうと思います。 恐らく聯合を走る上での参考になる部分はほとんど無いので、ちょっとした暇つぶし程度にお付き合いください。怪文書み
先日書いたこの記事ですが、「トイデータとは言え乱数シードを一つに決めて発生させたランダムウォークに対して実験をしているので、乱数シードを複数通りに変えてみたら結果は変わってくる（再現しない）のではないか？」という指摘を何人かの友人知人から貰いました。正直言って多項式フィッティングには何の思い入れもないのですが、再現性があるかどうかについては単純に気になるところです。 ちなみに、以前沖本本で勉強した際にあった「ランダムウォークには平均回帰性がなく時間と共に不確実性が増すため事実上予測不可能（特に長期予測）」という議論の通りで、本来ならランダムウォークに対して「予測」を行うのはそもそも適切ではありません。ただし、短期予測なら例えば状態空間モデルやBSTS的な方法で多少は精度を改善できるのでは？と考えていたのは事実で、同じことが無根拠でナンセンスな多項式フィッティングでも出来たら面白いかもと思っ
メモ：dplyr・ggplot2 で {{ }} を使う - Technically, technophobic.
追記（2021/03/26）: 開発版では「facet_*() の場合」も動くようになりました。 こういうデータが手元にあるとします。 library(readr) library(dplyr, warn.conflicts = FALSE) library(ggplot2) library(lubridate, warn.conflicts = FALSE) d_raw <- read_csv( "https://stopcovid19.metro.tokyo.lg.jp/data/130001_tokyo_covid19_patients.csv", col_types = cols( No = col_integer(), 全国地方公共団体コード = col_integer(), 公表_年月日 = col_date(), 発症_年月日 = col_date(), 確定_年月日 = c
Gaussian Splattingは、SIGGRAPH 2023で発表されたプロジェクトです。 複数枚の写真からその空間のあらゆるところから見たビューを補間します。 同じ技術にNeRFがありますが、これの欠点を補った理論のようです（アルゴリズムはまだ未調査）。 NeRFの問題は、かなり大雑把な書き方ですが大きく以下の2点があります。 トレーニング時間がかかる 最終的な空間の復元で解像度不足 (なんだか眠い) GitHubのリポジトリはこちらになります。 https://github.com/graphdeco-inria/gaussian-splatting 今回はGaussian Splattingを試す流れをまとめることにしました。 CUDA11.8とAnaconda3を使います。 GoProで撮影した動画を使ってウォークスルーするまでを行います。 検証環境 OS : Windows
Causal Treeはどうやって個別の因果効果を推定しているのかを整理(しきれなかった) - 名前はまだない
はじめに ここ最近で機械学習と因果推論の融合が有名になってきました。 その中で、決定木(回帰木)のアルゴリズムを用いて条件付き処置効果(CATE)を推定するCausal Treeという手法の話がでてきています。 しかし、概要を聞いても何をしているのかよくわからないので、Causal Treeの提案者であるS.Atheyが書いた論文を読みました。 arxiv.org Causal Treeでどのように条件付き処置効果(CATE)を推定しているのかまとめてみました。 といっても個人的なメモに過ぎません(免責事項)。 いつも通り、少しずつ修正を加えていきます。 正直これらのスライドの方が簡潔でわかりやすいです。 私も参考にさせていただきました。 計量経済学と 機械学習の交差点入り口 （公開用） 勉強会準備資料備忘：causal forest & r-learner - Speaker Deck
Rで計量経済や統計分析やる時に、結果をきちんと理解しながらモデル作りたいし、できたモデルの結果を書き出すのも間違いなくやりたいですよね。 新しい回帰分析表のパッケージを発見したので、ざっと試してみました。 Rの回帰分析のパッケージ {modelsummary}パッケージ さっそくインストール シンプルに回帰分析の出力 出力フォーマット コンソールに表示 情報の編集 見た目 回帰分析表の要素 標準誤差・t統計量・p値・信頼区間 表のタイトルとメモ 変数名の変更 モデルフィットなどの統計量 P値の星 小数点以下の調整 行の追加 で、estimatrは使えるのか？ まとめ Rの回帰分析のパッケージ Rでの回帰分析の表を書き出すのには {stargazer}というパッケージがあって、かなり柔軟にかつ自動的にhtmlやLatexに書き出しができるのですが、作者の都合か、更新が止まってしまってます。更
パイプ演算子の処理をmagrittrパッケージが提供するものと比較しながら解説します。
決定係数 R2の違い: Excel, OpenOffice, LibreOffice および統計解析ソフト R を用いて
この表から，以下のことが容易に分かる。 Excel の決定係数はマイナス Excel の Linest 関数と統計ソフト R では，同じ決定係数 Calc の決定係数は，相関係数の 2 乗 それでは， Excel のグラフと Linest 関数，および統計ソフト R の決定係数は，どのように算出されるのだろうか？ それを明らかにするためには，まず回帰分散分析として，y 観測値を，以下のような3種類の変動として捉えてみることが必要になる。 回帰変動（回帰平方和， RSS, Regression Sum of Squares） 残差変動（残差平方和， SSR，Sum of Squared Residuals） 全変動（全平方和， TSS，Total Sum of Squares) 全変動は回帰変動と残差変動の和になる。 TSS = RSS + SSR この中で，特に SSR と TSS に焦点
医療統計を実行するための８つのソフトを比較しました医療統計では統計解析を行う必要があります。 統計解析自体は、ソフトを使うことで、手軽に行うことが可能です。 医療統計用では、無料のものから有料のものまで、様々なソフトが使えます。 EZR(Easy R)StatMate（エクセル）SPSSStataJMPR, BUGSSASStatViewといったものがございます。 以下では、これらについてまとめていきたいと思います。 (1), EZR『EZR(Easy R)』は、自治医科大附属さいたま医療センターで管理されるフリーソフトです。 EZR(Easy R) は、フリーの統計解析ソフトの「Ｒ」を母体として、 マウスでポチポチしながら操作するための「Ｒコマンダー」に加え、 医療分野で必要となる統計解析を加えた、 初学者でもつまずかない フリーの医療用統計解析ソフトとなっています。 より詳しい内容につ
Galaaz を触ってみた（TruffleRuby + ggplot2 で散布図を描いてみた） - Qiita
日本語での言及がまだないようだったので TruffleRuby + Galaaz の人柱やってみました。GraalVM, R, ggplot2 について詳しくない人が見様見真似で書いています。 （このグラフは graalvm-demos に入っているデモコードを実行して描いたもの） Galaaz GraalVM を使って R の機能を Ruby から使うための gem。 作者の Rodrigo Botafogo さんによる解説記事。これらの記事で Galaaz の存在を知りました。 graalvm-demos This repository contains several small applications. These programs illustrate the capabilities of GraalVM GraalVM を使うとこんなことができるよ、というデモを集めたリポジ
因果推論のための分析手法は様々ありますが、回帰モデルを使った主なアプローチのRでの実装方法とその推定結果の比較をします。 モチベーション的な部分は以下をご参照ください。 シミュレーションデータを使って、各手法がどのような（主にモデリングに関する）仮定に基づいているのか、それが結果の違いにどのように影響しているのかをみていきます。 なお、Rマークダウンで書いたものをコピペしただけなのであまり見た目は美しくないですが、予め ご了承ください。 そのうち書籍化予定ですので、そのときにはもっと見やすく＆詳しく説明します・・・ シナリオ 擬似データの概要: 重回帰分析 正しく設定されたモデル 調整なしモデル 調整あり&モデルの誤設定1 調整あり＆モデルの誤設定2 標準化(G-formula/G-computation) 正しく設定されたモデル モデルの誤設定 傾向スコア(PS) 層化 回帰モデルでの調
こんにちは、小澤です。 当エントリは『機械学習 on AWS Advent Calendar 2019』の25日目です。 クラスメソッド 機械学習 on AWS Advent Calendar 2019 - Qiita クラスメソッド 機械学習 on AWS Advent Calendar 2019 ｜ シリーズ ｜ Developers.IO SageMakerでは、ノートブックインスタンスにR Kernelがインストールされおり、 reticulateパッケージを使うことでSageMaker Python SDKやboto3をそのまま利用することが可能です。 Rが使えるならRStudioを使いたいじゃない！！ 先日のre:Invent 2019にてSageMakerの統合開発環境であるSageMaker Studioが発表されました。 [速報]ついにSageMekerの統合環境が登場！
Getting started with CmdStanR
Getting started with CmdStanR Jonah Gabry, Rok Češnovar, and Andrew Johnson Source: vignettes/cmdstanr.Rmd Introduction CmdStanR (Command Stan R) is a lightweight interface to Stan for R users that provides an alternative to the traditional RStan interface. See the Comparison with RStan section later in this vignette for more details on how the two interfaces differ. Using CmdStanR requires instal
はじめまして。データサイエンティストの森下です。 TVISIONでは探索的にデータを見てく段階では、可視化に加えて複数の回帰モデルを作成して検討する、ということをよくやっています。 モデルの数が少ない場合は個別にモデルを作成してsummary()で見ていく事もできますが、モデルの数が増えるにつれてそのやり方では管理が難しくなってきます。 そこで、本記事では、purrrのmap()とbroomのtidy(), glance()を用いて複数の回帰モデルを効率的に扱う方法を紹介したいと思います。 まずはライブラリを読み込みます。tidyverseはデータハンドリングと可視化のためのパッケージ群です*1。 tidymodelsはモデリングをtidyなやり方で統一的に扱えるようにするパッケージ群になります。今回はbroomのみ用いますが、後日他のパッケージの紹介記事も書ければと思っています。 lib
項目反応理論やってみよう
1 項目反応理論て？ 項目反応理論自体の説明は，加藤・山田・川端 (2014)が非常に丁寧にしてくれています。書籍なので購入する必要がありますが，お薦めです。また，項目反応理論やitem response theoryでググるとタダで読めるいろんな資料もヒットしますのでそれらを読むとよいでしょう。 特にStanで項目反応理論を実施する様々な例を清水さんがご紹介下さっているので、そちらも参照ください。 項目反応理論をStanで実行するときのあれこれ 展開型項目反応理論をStanで推定する 2 いろいろな項目反応理論 この記事では，Leo & jiao (2017) に沿って，項目反応理論の中でもちょっと複雑な，かゆい所に手が届くかもしれない以下のモデルについて紹介します。 3パラメタ(以下，PL)モデル 段階反応モデル(graded response model: GRM; Samejima
On Cache Invalidation Why is it hard? Yihui Xie 2018-06-22 Many people must have heard this quote (by Phil Karlton) many times: There are only two hard things in Computer Science: cache invalidation and naming thing. Two days ago, Nick Tierney mentioned it again in his post “Naming Things”. Since he said he was not sure what cache invalidation meant, and I have a tiny bit experience here, I want t
Rグラフィックスの文字化け問題中間報告 (2021年版) - ill-identified diary
概要 去年書いた話のその後の更新について整理した. おまえはもうRのグラフの日本語表示に悩まない (各OS対応) - ill-identified diary あとこっちのスライドも閲覧数が少しづつ増えてるようなので Mac でも Windows でも, PNG でも PDF でもRのグラフに好きなフォントで日本語を表示したい (2020年最終版)/Display-CJK-Font-in-Any-Gpraphic-Device-and-Platform-2020 - Speaker Deck 去年の話の直後にいろいろと大きな環境変化あった 改めて変更点と残る問題点をここでまとめる 本当は不具合を潰してから書きたかったが思ったより時間がかかりそうなので「中間報告」 以降の記述のほとんどはこれまでネット上のどこかで断片的に書いていた話で, 今回はそれらを一箇所にまとめただけ tikz について
GitHub - Azure/Microsoft365R: R SDK for interacting with Microsoft 365 APIs
You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
Warning: Some links or resources may have been moved or deleted, and are thus not accessible anymore. If you are the author and would like to update the URL, feel free to contact me so I can update the link. The Coronavirus is a serious concern around the globe. With its expansion, there are also more and more online resources about it. This article presents a selection of the best R resources on
Hello! This Web page is aimed at shedding some light on the perennial R-vs.-Python debates in the Data Science community. This is largely (though not exclusively) a debate between the Statistics (R) and Computer Science (Python) fields. Since I have a foot in both camps (I was a founding member of both the Statistics and Computer Science Departments at UC Davis), I hope to shed some useful light o
WebサービスのA/Bテスト代替手段としての観察データからの平均処置効果推定 - LIVESENSE Data Analytics Blog
こんにちは、リブセンスでデータサイエンティストをしている北原です。今回は平均処置効果の推定方法について紹介します。より具体的にはマッチングや重み付けといった共変量のバランシングを利用してバイアスの小さい推定をする方法を使い、複数得られた推定結果を絞り込んで意思決定に使える結論を得るまでの流れを扱います。サンプルデータを使って実際に推定を行い結果を解釈するところまで行います。コードはRです。完全にコンセンサスのとれた因果推論方法・手順はおそらく存在しないので、現時点でよいのではと考えている方法の紹介になります。 今回紹介する方法のポイントは、共変量のバランシングによってモデル依存性が低下することを利用して信頼できそうな推定結果を絞り込んでいるところにあります。手法やモデルによって様々な推定値が得られますが、バイアスの評価方法がないため採用すべきものがわからないという問題があります。しかし、共
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
ggplot2: Elegant Graphics for Data Analysis (3e)
ある座標からの指定半径に含まれるメッシュコードを知る - cucumber flesh
tidymodelsによるモデル構築と運用 / tidymodels
Rのdbplyrでサブクエリを構築すると分かりやすい
Hands-On Machine Learning with R
Surrogate indexについて調べて簡単にまとめる - 名前はまだない
Reimagining Experimentation Analysis at Netflix
突如現れたドコモの「軽量ディスプレイグラス」開発担当者に狙いを聞く
特許活用「視線検出技術」特殊なカメラ不要で非接触アイトラッキング！
鵜来ちゃんが可愛いすぎて復帰勢が聯合入った話。｜Jansson
とある実験の記録 - 渋谷駅前で働くデータサイエンティストのブログ
Gaussian Splattingを試す (Windows) – ft-lab
【R】新しい回帰分析表のパッケージ {modelsummary} - データ分析メモと北欧生活
R 4.1.0で導入された パイプ演算子 (|>)の紹介 / r_native_pipe
医療統計で使える８つのソフトの特徴と違いとは？比較しました【フリーソフトもどうぞ】
モデルに基づく因果推論の各種手法をRで実装＆結果を比較してみた - Unboundedly
Amazon SageMakerをRStudioから使いたい！ | DevelopersIO
purrrとbroomで複数の回帰モデルを効率的に管理する - REVISIO Tech Blog
On Cache Invalidation - Yihui Xie | 谢益辉
Top 100 R resources on COVID-19 Coronavirus
GitHub - matloff/R-vs.-Python-for-Data-Science