CRAN - Package rredis
Package ‘rredis’ was removed from the CRAN repository. Formerly available versions can be obtained from the archive. Archived on 2022-03-21 at the request of the maintainer. A summary of the most recent check results can be obtained from the check results archive. Please use the canonical form https://CRAN.R-project.org/package=rredis to link to this page.
R でグラフ中にプロットされてない値を予測してみる - ほくそ笑む
なんていうか、仕事とは関係ないところでの話なんですけど、R でグラフを描いたときに、プロットされてないところの値が知りたい、ということを頼まれまして。 調べましたらスプライン補間が簡単にできるみたいなのでやり方をメモっときます。 まず、下記のようなデータがあって、グラフを描いたとします。 x <- c(1,2,3,4,5,6) y <- c(1,4,9,7,6,8) plot(x,y) このグラフをスプライン補間して、データの無い部分の値を予測してみます。 スプライン補間は、smooth.spline() でオブジェクトを作成して、predict() で値を予測することでできます。 sp <- smooth.spline(x,y) x <- seq(0, 7, length=100) pred <- predict(sp, x) lines(pred) できました。ちゃんと各点を通る滑らか
An R Introduction to Statistics | R Tutorial
Deep learning has a wide range of applications, from speech recognition, computer vision, to self-driving cars and mastering the game of Go. While the concept is intuitive, the implementation is often tedious and heuristic. We will take a stab at simplifying the process, and make the technology more accessible. Linear regression probably is the most familiar technique in data analysis, but its app
Rな予測
★新サイト完成しました! ３秒後に自動的に移動します 変わらない方は こちらからどうぞ http://logics-of-blue.com/r%E3%81%AA%E4%BA%88%E6%B8%AC/ 統計モデルを使った簡単な予測モデルのプログラム ソースコードを展示しています。 フリーの統計ソフト 「R」を使用していますが、それに関する解説は一切載っていません。とても分かりやすい文献・サイトがたくさんあるので。 もしRのことを知りたいのならば「R-Tips」と検索してみてください。このサイトにとても詳しく載っています。またRipWikiで検索すると、恐 ろしい情報量のWikiにたどり着きます。 目次 回帰分析編 予測の話 予測に便利な統計の基本や、本ページの趣旨などについて書かれています。 単回帰分析 単回帰分析による予測の簡単な説明と、プログラムです モデル 選択 理論編 モデル選択の簡
JIN'S PAGE - R
R、R言語、R環境・・・・・・ Rのダウンロードとインストール リンク集 題名 Chap_01 データ解析・マイニングとR言語 Chap_0２ Rでのデータの入出力 Chap_03 Rでのデータの編集と演算 Chap_04 Rと基本統計量 Chap_05 Rでの関数オブジェクト Chap_06 Rでのデータの視覚化(1) Chap_07 Rでのデータの視覚化(2) Chap_08 Rでのデータの視覚化(3) Chap_09 GGobiとデータの視覚化(Rgobi) Chap_10 Rと確率分布 Chap_11 Rと推定 Chap_12 Rと検定 Chap_13 Rと分散分析 Chap_14 Rと回帰分析 Chap_15 Rと重回帰分析 Chap_16 Rと一般化線形モデル Chap_17 Rと非線形モデル Chap_18 Rと判別分析 Chap_19 Rと樹木モデル Chap_20 WEK
R言語でフーリエ変換 - Thinking Archive
フーリエ変換とは，信号処理において広く用いられる手法の一つです。 ここでは、R言語でのフーリエ変換を説明します。 ※フーリエに関する基礎知識は省略します。 フーリエを行なう信号を作ろう まずはフーリエを行なう信号を作る必要があります。 ここでは、簡単な正弦波とそれらの合成波を作ろうと思います。 ソースコードは以下の通り。 SAMPLING_FREQ = 128; #サンプリング周波数 nn = 1:SAMPLING_FREQ; #データ数 tt = nn / SAMPLING_FREQ; #時間 ff = nn * (length(tt) / SAMPLING_FREQ) #周波数 #信号の周波数 f1 = 4; f2 = 8; f3 = 12; signalA <- sin(2 * pi* tt * f1); #4Hzの正弦波 signalB <- sin(2 * pi* tt * f2
統計ソフトRでFFTして遊ぼう -コンプレッサーの周波数特性- - ネギのメモ帳
数学関数をお手軽にFFTして遊べたら楽しいのになーとずいぶん前から思っていた. なんでそんなこと考えてたかというと, 波形をコンプで潰したときに 周波数がどうなるのかなーていうのを数学的にコントロールしたかったから. 発想としては思いつくけど実装が大変そうでなかなか実行できずにいたけど, 統計ソフトRを用いると本当に気軽にそれが実行出来るということを知った. かなりこちらの記事を参考にさせてもらいました. Diaspar Journal: 1分で試すフーリエ変換（FFT） まずR上で変数等の初期設定. sampling = 4096 # FFTサンプルポイント数 n = 0:(sampling-1) # ポイント数分のベクトル samplefreq = 44100 # サンプリング周波数(Hz) t = n/samplefreq # 時間軸(s) f = n*samplefreq/samp
Diaspar Journal: 1分で試すフーリエ変換（FFT）
2008年11月16日日曜日 1分で試すフーリエ変換（FFT） はじめに、2つの正弦波(100Hz と 150Hz)を合成します（上グラフ）。 次に、この合成された波形をフーリエ変換して、周波数成分を可視化します（下グラフ）。 これを見ると、下グラフには 100Hz と 150Hz にピークがあることが分かります。 それでは早速、実習に取り掛かりましょう。 使用する環境は次の3つから選んでください。 R Octave Ruby （→ Ruby/GSL + NArray で気分は R） R による実習 R による実習では、上に掲載した図のような結果が得られます。 $ R R version 2.8.0 (2008-10-20) > n = 0:255 # 256個のデータ > t = n * 0.001 # 横軸＝t(s,秒) > f = n * 1 / (256 * 0.001) # 横軸
R Financial & Marketing Library | R & R Libraries with Mac
RMeCabパッケージを使用して、RでMeCabを用いて、 形態素解析を行ないます。 そのために、まず MeCab をインストールする必要があります。 MeCab のインストールや設定についてはこちらに記載しております。 RMeCabパッケージを読み込みます。 RMeCabC()関数を使用して、文字列を形態素解析してみます。 文字列は何でもよいですが、 ここではとりあえず、どらちゃんの歌でも入力してみました。 こんな感じで結果が返されます。 次は、RMeCabFreq()関数を使用して、ファイルを読み込んでみます。 こちらは青空文庫から、 夏目漱石さんの「吾輩は猫である」を使用させていただいております。 青空文庫 夏目漱石 吾輩は猫である のページ 今回は関数の確認であるため特別な加工をせず、 単純にこのデータをテキストファイルにしています。 ダウンロードのところ
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
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
Linear Regression using R | Tatvic Blog|Linear Regression using R | Tatvic Blog
ロジスティック回帰４
Get an R Data Frame from a MongoDB Query - rud.is