http://atnd.org/events/18084
ITpro SPECIAL：ITRエグゼクティブ・フォーラム「ビッグデータとビジネスの融合」Review
蓄積したビッグデータを分析・活用し、競争優位につなげるためには、そのための基盤構築が重要となる。それに対し、EMCが提供しているのが、優れた性能と高度なコストパフォーマンスを両立したデータウェアハウス「Greenplum」である。 「最大の特徴は、シェアードナッシングによる『大規模並列処理』、コモディティハードウェア（IAサーバー）上で動作する『オープンアーキテクチャ』、スケールアウトによるビジネスの成長に合わせた『拡張性』の3点にあります」とEMCジャパンの仲田 聰氏は語る。これらの特徴により、Greenplumは、新たなビジネスモデルやビジネスチャンスの創出に不可欠となる「大量データの高速処理」を可能にしている。 その端的な例としてあげられるのが、データローディングの局面だ。通常のデータウェアハウス製品では、サーバーをマスタースレーブの形で構成し、マスター側のサーバーで様々なプラン
R言語で構造方程式モデリング その1 - yokkunsの日記
行動科学などの領域では、重さや長さのように直接観測可能な特性だけでなく、「先高感」「知能」「ブランドイメージ」のように直接測定出来ない特性である構成概念（潜在変数）を扱う必要がある。 構造方程式モデリングは、構成概念や観測変数の性質を調べるために集めた多くの観測変数を同時に分析するための統計的方法。 構造方程式モデリング 多変量解析の1手法 第2世代の多変量解析 伝統的な統計手法を下位モデルとして実行可能 因子分析法 多変量解析 パス解析法 時系列解析 etc... 変数の分類 方程式モデルには、様々な種類の変数が登場するため、ここでは、3つの観点から分類しその性質を確認する 観測変数と潜在変数 観測変数 : 直接観測出来る変数。 潜在変数 : モデルに導入した直接観測出来ない変数。構成概念 構造変数と誤差変数 構造変数 : 考察の対象となっている構成概念を含んでいる変数 誤差変数 : 考
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
