sketcher
The default is sketch(im, style = 1, lineweight = 1, smooth = ceiling(lineweight), gain = .02, contrast = NULL, shadow = 0, max.size = 2048). - im: an image, obtained by using the im_load() function. - style: while style 1 focuses on edges, style 2 also retains shading. - lineweight: as the name suggests. set a numeric value equal to or larger than 0.3. - smooth: noise/blob smoother. set an intege
R言語でツイートテキストのネガポジ分析 - からっぽのしょこ
はじめに ツイートテキストに対して感情分析を行います。 感情分析とは(ざっくり言うと)、テキストに含まれている単語がそれぞれネガティブな表現なのかポジティブな表現なのかを評価し、テキスト全体がネガ・ポジどちらなのかを判定するものです。 【分析手順】 rtweetパッケージを使ってツイートを拾ってきます 取得したツイートテキストを、指定した期間(日or月)ごとに区分けして1つのテキストとします 各(期間の)テキストに対して、MeCabで形態素解を行います 単語感情極性対応表を利用して、単語ごとにネガポジスコアを付与します 期間ごとにネガティブスコア・ポジティブスコアを合算してその期間のネガ度・ポジ度とします その結果をggplot2で可視化します 完成図 はじめに ・ツイートのネガポジ分析 ・ツイート収集 ・前処理 ・感情分析 ・可視化 主な参考文献 おわりに ・ツイートのネガポジ分析 ##
Docker を使ってShinyライブラリなど含むR環境を構築してみる - Np-Urのデータ分析教室
本記事は、Shiny Advent Calendar 2017の21日目の記事です。 Shiny100本ノックもかれこれ第21弾となりました。 今回はDockerを使った環境構築周りについて、紹介します。 面倒な環境構築Shinyを使うために、多くの方は手元のPCにRやRstudioをインストールし、そしてShinyを始めとする必要なパッケージ群をインストールして…。 ということを行っていると思います。 しかし、この方法は結構面倒。例えば会社で途中まで実装していたものを、自宅のパソコンで引き続き作業する場合、同じ環境構築をする必要があります。 また会社ではできたはずなのに、自宅PCだと何か他のシステムとバッティングして、インストールできないパッケージが出てきたりすると、めちゃくちゃ大変です。 また会社の先輩が途中まで実装したものを引き継ぐ場合も、先輩のPCでは動いたのにこっちのPCでは動か
ブートストラップ法で信頼区間を求めるときの注意点 - ほくそ笑む
1. はじめに ブートストラップ信頼区間について調べていたんですが、理論的な求め方は教科書などに載っているのですが、実践的な情報が少ないように思います。 今回、少し調査してみて、実際に適用する際に注意が必要だなと感じたことについて書いておきます。 2. ブートストラップ信頼区間 ブートストラップ法は、理論的に求めるのが難しい統計量を、経験分布からのシンプルなリサンプリングによって推定できるという手法です。 ブートストラップ法では、推定された統計量に対して、その信頼区間を求めることもできます。 このような信頼区間をブートストラップ信頼区間といいます。 ブートストラップ信頼区間を求める方法については色々議論があるようですが、主な手法は次の5つです。 正規分布近似法 ベーシック法 パーセンタイル法 BCa法(bias-corrected and accelerated percentile me
農薬の名前はポアソン分布に従っている - もうカツ丼はいいよな
気がするのでちょっと見て欲しい。 まず、rvestを使ってFAMICから農薬登録情報のcsvをダウンロードして保存する。URLがちょいちょい変わるのでxpathとかで抽出したほうが良い。 library(rvest) library(dplyr) url <- "http://www.acis.famic.go.jp/ddata/index2.htm" read_html(url) %>% html_node(xpath = '//*[@id="mainArea"]/ul/li[1]/ul/li/a') %>% html_attr(name = "href") %>% url_absolute(base = url) %>% download.file("kihon.zip") kihon <- unzip("kihon.zip") %>% readr::read_csv(locale =
Improved Standard Evaluation Interfaces for Common Data Manipulation Tasks
The R package seplyr supplies improved standard evaluation interfaces for some common dplyr data plying tasks. This project is used in production to avoid exposing all of the details of rlang at the user level, and a demonstration of what can be done through value-oriented programming. Alternately one could use another value-oriented data manipulation system ‘rquery’/‘rqdatatable’. To get started
Rから離れたくない人向けのDocker環境の操作: RStudio Serverを分析・開発の基盤にするために - cucumber flesh
この記事はRStudioアドベントカレンダーの21日目の記事です。もうすぐこのアドベントカレンダーも終わりですね。ハヤイ！ 今年のはじめにこんな記事を書きました。 uribo.hatenablog.com 皆さんはDockerを利用していますでしょうか。今年のデータ分析系のアドベントカレンダーでもぞうさんがdockerが取り上げられています。 qiita.com Rユーザの自分にとっては、Dirk EddelbuettelやCarl Boettigerなどが携わるrockerプロジェクトが整備されているのが嬉しいです。 notchained.hatenablog.com rockerプロジェクトのdockerイメージの多くはRStudio Serverをイメージのベースとしており、お手軽にローカル環境とは別のRStudio環境が構築できます。また必要に応じて、rockerのdockerim
Python と R の違い・関数の対応表
このページをご覧になる皆さんの中には、統計分析ソフトウェアの R を使った分析には慣れていても、Python を使いこなせていない方は多いのではないでしょうか。 以下の Ajay Ohri 氏のスライド、”Python for R Users” では、R と Python の操作方法の違いを分かりやすくまとめられています。本ページでは、以下スライドの内容を日本語で紹介したいと思います。この内容を理解しておけば、R 経験者にとっては短時間で Python のデータ分析機能を習得できるでしょう。 Python for R Users from Ajay Ohri 基本的なコマンド (パッケージの追加、ディレクトリ操作など) R Python
bookdownでRmdファイルをｻｯとまとめてGitHubで公開する - Qiita
※この記事の内容にセクションを少し加えたページをサンプルとして公開してある→bookdown_test はじめに とりあえず細かいセッティングは抜きにして手元のRmdファイルをGitHub上に公開したい、という気持ちだったので最低限の手順をまとめた。 bookdownとは R Markdownからドキュメントを作成するパッケージで、通常のR Markdownに対して(というかPandoc Markdownに対して)長編のドキュメントを生成するのに便利な機能が付け加えられている。図表や数式へのナンバリング、相互参照、複数ページのHTML出力などなど。 必ずしも本を書かなくてもいいし、R Markdownじゃなくて普通のMarkdownでも扱えるので、Rのコードを全く含まないポエムを書いたって全く構わない！ 事前準備 bookdownパッケージをインストールしていなければインストールしておく。
leafletではじめるRによる地図プロット
1 はじめに この記事は、R Advent Calendar 2015の12月22日担当分の記事です。 また、この内容は2015年12月5日に私がJapan.R 2015にて発表した内容をベースに、説明をくわえ再編集したものです。その時のスライドは以下に設置しています: http://rpubs.com/kazutan/leaflet_slide 1.1 leafletとは leafletとは、JavaScriptのオープンソースライブラリである“leaflet.js”をRでも利用できるようにしたパッケージです。これはhtmlwidgetsパッケージにより実現されています。JavaScriptを使わなくてもRだけで利用可能ということで、非常に注目を集めているパッケージです。 1.2 特徴 最大の特徴は、htmlで動的な地図が作れることです。主に以下のような特徴が挙げられます。 ぐりぐり動か
h2o: R Interface for the 'H2O' Scalable Machine Learning Platform
Package ‘h2o’ August 9, 2023 Version 3.42.0.2 Type Package Title R Interface for the 'H2O' Scalable Machine Learning Platform Date 2023-07-25 Description R interface for 'H2O', the scalable open source machine learning platform that offers parallelized implementations of many supervised and unsupervised machine learning algorithms such as Generalized Linear Models (GLM), Gradient Boosting Machines
Rで一行でディープラーニング - 盆栽日記
ディープラーニング、Rで deeplearning(y~., data) とかいう感じで一行で書けたらなあと思ったことありませんか、私は常々思っていました。 だが実装するのはめんどい。 というころで探したらありました。 まあRで実装されているわけではなく、h2oというオープンソースの機械学習のソフトウェアを立ち上げてRからそこに計算を投げる感じです。 H2Oをダウンロードして立ち上げた上で以下のような感じで書けます。 deeplearningってそのままなのが潔くて良いですね。 library(h2o) localH2O = h2o.init(ip = "localhost", port = 54321, startH2O = TRUE) # データの読み込み（今回はiris） irisPath = system.file("extdata", "iris.csv", package =
統計解析ソフト「R」で取り組む回帰分析
印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます 前回、オープンソースの統計解析ソフト「R」の簡単な使い方を説明しました。今回は、実際にRにあるデータセットを使い、回帰分析に取り組み、その結果をどのように使っていくかを説明したいと思います。 回帰分析とは 回帰分析とは、「目的変数」と「説明変数」間の関係を表す式を統計的な手法によって推計する分析のことです。 目的変数とは予測の対象とする「量」のことであり、説明変数は目的変数を説明、つまり物事の原因を表すのに使う変数です。この2つの変数にどんな関係があるのか、例えば天候という変数は、売り上げにどう影響するかを数式で表すために回帰分析を使います。 今回の記事についての回帰分析は特に断りがない場合、すべて線形回帰分析、つまり「直線をモデル」に
Shinyを使って、RだけでWebアプリケーション - ixixixixixixi
Shinyを使うと、Rだけで分析Webアプリケーションが作れる. http://www.rstudio.com/shiny/ サーバ側の処理も、ブラウザのuiも、Javascript/HTML/CSSを書かずとも、Rで書ける. Shinyのインストールは、Rのコンソールで、 options(repos=c(RStudio='http://rstudio.org/_packages', getOption('repos'))) install.packages('shiny') をするだけ。 Shinyアプリの最小構成は、以下のようになる. ~/shinyapp |-- ui.R (ブラウザ側の処理) |-- server.R (サーバ側の処理) .Rの2つを実装する必要がある. 例えばこんな感じになる.(tutorialの例より) ui.R library(shiny) # ランダムな分布
Install R3.0.1 on Ubuntu 12.04LTS - Qiita
リモートサーバで勝手に解析走らせたりしたいのでRを入れました。 RからMySQLにアクセスしたりMongoにアクセスしたりしたいので、その辺りも含めてメモ。 Installing R ソース落としたりするの面倒なのでapt-get使います。 最新のが使いたいので、rdevを追加します。 # add source to apt. sudo vim /etc/apt/sources.list # add line below + deb http://cran.rstudio.com/bin/linux/ubuntu precise/ sudo apt-key adv --keyserver keyserver.ubuntu.com --recv-keys E084DAB9 sudo add-apt-repository ppa:marutter/rdev sudo apt-get updat
Shiny
Here is a Shiny app Shiny apps are easy to write. Let users interact with your data and your analysis, all with R or Python: R Python library(shiny) library(bslib) library(dplyr) library(ggplot2) library(ggExtra) penguins_csv <- "https://raw.githubusercontent.com/jcheng5/simplepenguins.R/main/penguins.csv" df <- readr::read_csv(penguins_csv) # Find subset of columns that are suitable for scatter p
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
GitHub - neuron-team/vscode-ipe: Interactive programming experience for data scientists: Visual Studio Code extension
NumPy for R (and S-Plus) users – Mathesaurus
Machine Learning in R
gekkoquant.com - gekkoquant リソースおよび情報