)
RでGA(遺伝的アルゴリズム) - RjpWiki
RjpWiki はオープンソースの統計解析システム R に関する情報交換を目的とした Wiki ですDecodeとEncodeについて † Decode (binary文字列(gene)を数値にする) binary2integer binary2real Encode (数値を binary文字列(gene)にする) integer2binary real2binary 扱う対象の数値範囲などを考えながら binary文字列長あるいは Decode, Encode方式を考える。 例えば、関数に与える数値が整数でもよいなら integer系の encode/decodeでよいが、 実数にしたいなら 変数の区間(from, to)や binary長(size)を定義した上で real系の encode/decodeを 使う必要がある。 ↑ メインオブジェクトの作成 † 関数の最小/大値を探査す
第18回R勉強会＠東京（#TokyoR）を開催しました！ - yokkunsの日記
2011/10/22に、第18回R勉強会＠東京（#TokyoR）を開催しました！ http://atnd.org/events/21050 以下、内容です。 資料はアップされ次第、更新します！ @aad34210 「はじめてのR 」（20分） 概要 : Tokyo.Rでは高度な手法が紹介されていますが、いざ使いたくてもRは初めてなのでコードがよくわからない…といった初心者の方に向けてお話します。 Tokyo r18 View more presentations from aad34210 @dichika XLConnectで快適なエクセルライフのご提案 （15分） 概要 : XLConnectパッケージであなたのエクセルライフを豊かにします Tokyor18 View more presentations from dichika @takemikami 「Rによるデータサイエンス第1
Rを使えるようになるための10のこと - Issei’s Analysis ～おとうさんの解析日記～
Rは統計解析を行うことができる強力なツールです。計算上の信頼性はとても高く、世界中の分析者が日々分析用パッケージを公開しております。近年では行政機関で使われているという事例もちらほら聞きます。 ・姫路市役所での事例 これまでSASは使ってきたけどRは全く使ったことがない！JAVAとかC++とかガリガリ書けるけどRはよく分からない！という方々がすんなりRの世界に入れるよう、資料の探し場所や導入部分をまとめておきます。 ※まだ不完全ですが情報を入手し次第アップデートしていきます。 1. 資料を探す場所 CRAN R本体、パッケージ、PDF資料などの置き場 Task Viewに分野ごとのまとめ Searchでパッケージや資料の検索 CRANの読み方は「しーらん」派と「くらん」派でわかれる（どっちでもいいw） Rjpwiki 日本語で書かれている、これまでのRに関する資料の集大成 データの加工技、
線形回帰、カーネル線形回帰をRで実装する - Loud Minority
http://d.hatena.ne.jp/sesejun/20090401/p1 で紹介したカーネル多変量解析本の続き。 演習があるべきだ、と言ったが一般にカーネル法だと、与えられた点の数だけ次元を持つ正方行列を扱うので、演習を作っても手で解くのがつらい。だから、こんな風にソースコードを入れてみるのは、どうかと思ったので、このエントリを書いてみた。 線形回帰からカーネル線形回帰までをRで書いてみる(行列扱うのが楽なので）。式番号は、カーネル多変量解析の本に出てくる式番号である（まだ式番号をつけていないところが多いので、後日つけます付けました。2009/4/3）。 まずは単なるXYプロット。正規分布を鋭角にした感じの点20個。図1.3(P9)の点を真似た。 x1 <- c(-2,-1.69,-1.5,-1.3,-1.1,-0.9,-0.7,-0.48,-0.42,-0.05,0.09,0.
第16回R勉強会＠東京（#TokyoR）を開催しました！ - yokkunsの日記
第16回R勉強会＠東京（Tokyo.R#16）を開催しました！ 第16回R勉強会＠東京（Tokyo.R#16） : ATND 内容 @sleipnir002:Rで学ぶデータサイエンス５パターン認識 8,9k-近傍法、学習ベクトル量子化 概要:教科書の内容にそって、上記のアルゴリズムの勉強をします。 パターン認識 08 09 k-近傍法 lvq View more presentations from sleipnir002 @Hiro_macchan : Rを用いた地理的情報解析 概要:Rを用いた地理的情報の解析について、ＲにもＧＩＳにも詳しくない人間ががんばった経緯を発表できればと思います。 @a_bicky: Rデバッグあれこれ 概要: 実用的なデバッグ方法を紹介できればと思います。 Rデバッグあれこれ View more presentations from abicky @ito_
非線形関数の回帰 - 元データ分析の会社で働いていた人の四方山話
前回、の線形単回帰について、最小２乗法で確認しました。 今回は非線形のについて見ていきます。 a,b,cについては、前回の拡張を利用して という形式で求められます。 これを解くと、係数のa,b,cが求まるので、当てはめる２次関数が求まるというわけですね。 今回もこれなら分かる最適化数学―基礎原理から計算手法まで金谷 健一 共立出版 2005-09 売り上げランキング : 40962 Amazonで詳しく見る by G-ToolsのP111、例題4.5の(-1,0), (0,-2), (0,-1), (1,0)に、を当てはめてみることを考えます。 Rのコードです。 比較の為に、Rの組み込みの非線形回帰の関数nlsを利用しています。 # XとYの値 Xs <- c(-1.0, 0, 0, 1.0) Ys <- c(0, -2.0, -1.0, 0) # とりあえず点のplot plot(Xs,
RプログラミングTips大全 - RjpWiki
RjpWiki はオープンソースの統計解析システム R に関する情報交換を目的とした Wiki ですR 言語の実行制御フロー † R は多くの計算機言語と同じような Algol 風制御命令のセットをもつが、より柔軟である。 実行文 expr は単純実行文でも、(波括弧で括った)複合実行文(同一行に並べるにはセミコロンで区切る)でもよい。 ↑ 繰り返し for † 書式 (ループ範囲 range の各要素 arg に対して expr を実行 ) for(arg in range) expr 注意：for ループは一般に実行速度を遅くするボトルネックになりやすい。またコードが長くなり勝ちである。apply 関数ファミリの使用や、特にベクトル・行列・配列の成分ごとのループは専用高速関数が用意されているのでその使用を考える。 ループ範囲にベクトルを取る(基本) > x = 1:4 > for (i
[Ｒ勉強会][データマイニング] R言語による時系列分析
第4回R勉強会＠東京(10/4/24)の講師資料です。hamadakoichi R言語による時系列分析。 Read less
![[Ｒ勉強会][データマイニング] R言語による時系列分析](https://cdn-ak-scissors.b.st-hatena.com/image/square/f1400933dedc843cedb02dc299edefd6e0d94c1f/height=288;version=1;width=512/https%3A%2F%2Fcdn.slidesharecdn.com%2Fss_thumbnails%2Fr-100423232629-phpapp01-thumbnail.jpg%3Fwidth%3D640%26height%3D640%26fit%3Dbounds)
Rで系列パターンマイニング - sfchaos's blog
頻出パターンマイニング(Frequent pattern mining)は,頻出するアイテムの組み合わせを抽出する一連の手法を指します.頻出パターンマイニングの代表例として相関ルールのマイニングがありますが,この手法を用いるとPOSデータからビールとおむつを一緒に購入する消費者が多いことなどの知見が得られます. 一方で,頻出パターンマイニングでは,順序性のあるパターンは抽出できません.例えば,ビールを購入した消費者がその後おむつを購入する傾向があることは,頻出パターンマイニングでは分かりません. このように順序性のあるパターンを抽出する手法は,系列パターンマイニング(Sequential pattern mining)と呼ばれており,１９９５年にIBM研究所のR.AgrawalとR.Srikantによって提唱されました. RのarulesSequencesパッケージを使用すると,系列パター
Tokyo.Rに行ってきた - いまんとこの最適解
Tokyo.R勉強会に行ってきました。 内容盛り沢山で、刺激的ですね。 個人的には時系列分析を行うxtsパッケージとgoogleVisとの連携が実践的に使えそうに思いました。 xts(zoo）のローリング機能はリサーチ（POS等の小売データなど）では有用ですし、googlevisとの連携は顧客によってはレポートとして魅力的ですね。 =＝＝＝＝＝＝＝＝＝＝＝＝＝＝（以下メモ）=＝＝＝＝＝＝＝＝＝＝＝＝＝＝ ○生存時間分析 -2種類の打ち切り（censered data) -ハザード関数 -ノンパラ、セミノンパラ、パラメト（共変量、分布の過程） -ノンパラ：確率分布を仮定しない（共変量、分布仮定しない） -経験分布（カプランマイヤー）、ハザード関数 -survival -surv,survfit -信頼区間推定→群間差分の検討？なのか？ -セミノンパラ：コックス比例ハザード -複数共変量の検討
時系列データの解析（厚労省公開の医療費データ） - データサイエンティスト上がりのDX参謀・起業家
この本に沿って時系列データの解析方法をまとめました。 Rによる時系列分析入門 作者: 田中孝文出版社/メーカー: シーエーピー出版発売日: 2008/06/01メディア: 単行本購入: 12人 クリック: 113回この商品を含むブログ (19件) を見る サンプルデータを使っても面白くないので、厚労省が公開している医療費のデータを使いました。 厚労省の医療費データベース 例によってこのデータはエクセルで公開されていて、そのまま解析できる状態じゃありません。 今回は入院の総医療費だけを扱ったので、その部分だけ加工してcsvにしました。 一応、加工したデータはダウンロードのページに置いてます。 それでは、解析していきます。 まずはデータ読み込みと加工。 Iryouhi <- read.csv("医療費.csv", as.is = T) Nyuin <- ts(Iryouhi[, 2], fre
R-Source
データフレームの出力 read.table() に対して関数 write.table() や write() で実現できる．例えば以下の様な 5 行 3 列のデータが入ったファイル data11.txt が（ C:/ に）あったとする．このデータ data11.txt を関数 read.table() で読み込んで，関数 write.table(データフレーム名, "出力するファイルのパス") でファイル output.txt に出力してみる．write.table(x,"C:/output.txt") だけでは（quote=F にしないと）要素に "" がついてしまう． x <- read.table("C:/data11.txt") write.table(x, "C:/output.txt", quote=F, col.names=F, append=T) # append=F にす
optsメモ - 盆栽日記
凡例だのラベルだのいじることが多々あるのでメモ。 last_plot() + opts(axis.text.x=theme_text(angle=90, size=20, hjust=1, vjust=1), axis.text.y=theme_text(angle=90, size=20, hjust=1, vjust=1), plot.title=theme_text(angle=90, size=20, hjust=1, vjust=1), strip.text.x=theme_text(angle=90, size=20, hjust=1, vjust=1), strip.text.y=theme_text(angle=90, size=20, hjust=1, vjust=1), legend.position="none")
ggplot2手習いその1 - 盆栽日記
作者のサイトをみれば大体のことは書いてあるのだが、いかんせん使い分けがわかりにくいものもある。 なので自分用に使い方をまとめていく。 まずはパッケージとデータ読み込み #パッケージ読み込み library(ggplot2) #データは適当に作った set.seed(1) x <- seq(1,100) y <- c(rnorm(n=50,mean=5,sd=1), rnorm(n=50,mean=10,sd=2)) df <- data.frame(x=x, y=y)まずはデータをどのようにグラフに落とすか決める。 ここでは上記xをx軸に、yをy軸に落とす。 q <- ggplot(data=df, aes(x=x, y=y)) ここからxとyの関係をどのように記述するか決めていく。 今回は折れ線グラフを描く。 q1 <- q + geom_line(size=1, color="blue
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
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
株式会社VOYAGE GROUP
R 言語定義 (R Language Definition) Version 1.1.0 (2000 June 15) DRAFT R Development Core Team
Why use R? A grad student’s 2 cents
馬鹿の一つ覚えみたいに無理やりapply使ったりしてたけど間違ってたわ…orz
RとSQLを対応付けてみた - あらびき日記
