自分がどのくらいエコーチェンバーの中にいるのか可視化するシステムを作ってみた｜tori
「ツイッターで見た」計算社会科学という学問があります．社会科学にコンピュータサイエンスを導入して，これまでにない分析を行おうという学問です．最近日本でも計算社会科学会が発足するなど今盛り上がっている研究分野です． そんな計算社会科学の分野で扱われる課題の一つに，ソーシャルメディアによる社会の分断の分析があります．アメリカ大統領選や新型コロナ禍でフェイクニュースを目にする機会が多くなりましたが，フェイクニュースや偏った情報の取得は，人々を分断させ社会を混乱させると言われています． 分断を生み出す要因の一つが，エコーチェンバー現象にあると言われています．これは，ソーシャルメディアなどでは自分と似たような価値観を持つ人とつながりがちであり，自分の意見をいうと周りから「そうだそうだ」と同意を得られ，自分の意見が社会全体の意見のように見えてしまう現象をいいます．実際にはソーシャルメディアで可視化され
Learning Interpretability Tool
The Learning Interpretability Tool (🔥LIT) is a visual, interactive ML model-understanding tool that supports text, image, and tabular data. The Learning Interpretability Tool (🔥LIT) is for researchers and practitioners looking to understand NLP model behavior through a visual, interactive, and extensible tool. Use LIT to ask and answer questions like: What kind of examples does my model perform
How to visualize decision trees
1 How to visualize decision trees Terence Parr and Prince Grover (Terence is a tech lead at Google and ex-Professor of computer/data science in University of San Francisco's MS in Data Science program and Prince is an alumnus. You might know Terence as the creator of the ANTLR parser generator.) Please send comments, suggestions, or fixes to Terence. Update July 2020 Tudor Lapusan has become a maj
【信号無視話法】2018年5月30日 党首討論 VS枝野代表｜犬飼淳 / Jun Inukai
2018年5月30日に行われた、安倍総理と野党4党首の党首討論。 本記事では、立憲民主党・枝野代表との討論を取り上げ、質問と答弁を信号機で直感的に視覚化していく。具体的には、信号機のように3色（青はOK、黄は注意、赤はダメ）で視覚化する。 また、聞かれていないことを話し続け（=赤信号・黄信号でも車を走らせ続け）、議論相手や聴衆（=周りのドライバーや通行人）に迷惑をかけ、時間を浪費させる答弁を 信号無視話法と筆者は命名する。 （2018/6/1に筆者 命名） 全体まとめ 上記グラフは、枝野代表の質問 1837字、安倍総理の答弁 4161字を分析した結果である。 総理答弁の回答はわずか6%にとどまる上、中身はゼロ回答であった （例）事務所に回して頂ければ答えた、政府はコメントする立場にない 一方、枝野代表は青信号（33%）よりも、黄信号（65%）が多く、肝心の質問に入るまでにやや時間がかかって
Streaming Dataframes
This work is supported by Anaconda Inc and the Data Driven Discovery Initiative from the Moore Foundation This post is about experimental software. This is not ready for public use. All code examples and API in this post are subject to change without warning. Summary This post describes a prototype project to handle continuous data sources of tabular data using Pandas and Streamz. Introduction Som
トップページ - RESAS 地域経済分析システム
地域経済分析システム（RESAS：リーサス）は、地方自治体の様々な取り組みを情報面から支援するために、内閣官房デジタル田園都市国家構想実現会議事務局が提供する、産業構造や人口動態、人の流れなどの官民ビッグデータを集約し、可視化するシステムです。
Pythonの可視化ツールはHoloViewsが標準になるかもしれない - Qiita
HoloViewsとは HoloViews は砕けた表現をすると、matplotlibやBokehなどの可視化ツールを使いやすくしたラッパです。 どのバックエンド(matplotlib, Bokehなど)を用いても統一されたコードかつ簡素な記述で可視化を実装することができます。 可視化にかかる学習コストは結構ばかにならないので、HoloViewsを使うことで「可視化のコードを書くことに時間を浪費するのではなく、本来のデータ分析などの業務に集中しましょう」といった感じのコンセプトのようです。 特にmatplotlibのシンタックスは難解なものが多いので、「もう少しシンプルにならないの？」と思っている方は多いのではないでしょうか。 バックエンド 下記の可視化ツールがバックエンドとして使えます。 matplotlib Bokeh Plotly(experimental) インストール conda
Facets: An Open Source Visualization Tool for Machine Learning Training Data
Posted by James Wexler, Senior Software Engineer, Google Big Picture Team (Cross-posted on the Google Open Source Blog) Getting the best results out of a machine learning (ML) model requires that you truly understand your data. However, ML datasets can contain hundreds of millions of data points, each consisting of hundreds (or even thousands) of features, making it nearly impossible to understand
Python Call Graph — Python Call Graph 1.0.1 documentation
Python Call Graph¶ Welcome! Python Call Graph is a Python module that creates call graph visualizations for Python applications. Screenshots¶ Click on the images below to see a larger version and the source code that generated them. Project Status¶ The latest version is 1.0.1 which was released on 2013-09-17, and is a backwards incompatbile from the previous release. The project lives on GitHub, w
そのモデル、過学習してるの？未学習なの？と困ったら - once upon a time,
移転しました。 https://chezo.uno/post/2016-05-29-sonomoderu-guo-xue-xi-siteruno-wei-xue-xi-nano-tokun-tutara/
TensorFlow Playgroundはニューラルネットを理解するのにおススメ - 西尾泰和のはてなダイアリー
ネットワークの重みや各ニューロンがどういう入力の時に発火するのかが、学習していく過程で各時刻可視化されてとても良い教材です。 http://playground.tensorflow.org/ うずまきのデータセットに関して「中間層が1層しかないとうずまき（線形非分離な問題）は解けない」という誤解があるようなので、まずは1層でできるという絵を紹介。なお僕のタイムライン上では id:a2c が僕より先に気付いていたことを名誉のために言及しておきます。 で、じゃあよく言われる「線形非分離な問題が解けない」ってのはどういうことか。それはこんな問題設定。入力に適当な係数を掛けて足し合わせただけでは適切な境界を作ることができません。 こういうケースでは中間層を追加すると、中間層が入力の非線形な組み合わせを担当してくれるおかげで解けなかった問題が解けるようになります。 1つ目のデータセットでは特徴量の
「パナマ文書」解析の技術的側面
世界中で話題になっているパナマ文書。各国で政権を揺るがすような事態にもなっていますが、純粋にデータとしてみた場合、これは計算機やデータ解析に関わる人々にも面白いものだと思います。データの中身や背景などについてはさんざん報道されていますのでここでは触れません。一方、現場でどのような作業が行われているのかはあまり報道されていません。現実的な問題として、人力ではどうしようもない量のリークデータを手に入れた場合、調査報道機関はどんなことを行っているのでしょうか？私も以前から疑問に思っていたのですが、先日あるデータベース企業と、データ分析アプリケーションを作成する会社のブログにて、その実際の一端を窺うことができる投稿がありました: Panama Papers: How Linkurious enables ICIJ to investigate the massive Mossack Fonseca
総務省統計局 データサイエンス・オンライン講座 社会人のためのデータサイエンス演習
第１週：データサイエンスとは ・データサイエンスの発展 ・社会で起きている変化～データサイエンスの必要性～ ・データサイエンスに求められるスキルや知識 ・データサイエンスの未来と発展 ・データサイエンスのサイクルと課題解決の進め方 ・分析の手法の選択 第２週：分析の概念と事例 ～ビジネス課題解決のためのデータ分析基礎 （事例と手法）(1)～ ・Analysis（分析）とは ・１変数の状況の把握(1)（可視化の活用） ・１変数の状況の把握(2)（代表値の活用） ・比較して２変数の関係を見る ・ビジネスにおける比較(1)（概要） ・ビジネスにおける比較(2)（適切なA/Bテストの活用） 第３週：分析の具体的手法 ～ビジネス課題解決のためのデータ分析基礎 （事例と手法）(2)～ ・クロス集計の軸設定と見方 ・散布図と相関の調べ方 ・相関関係と因果関係の違い ・時系列データの見方 ・時系列データの
ドラクエ風スキルマップ - nemorineのブログ
あるとき突然『チームのキーマンが抜ける』というイベントが発生しました！ まあ会社という組織ではよくありますよね（苦笑 チームメンバーが不安がっていたので、以前、楽天の川口さんに教えてもらったドラクエ風スキルマップを使って今の状況を可視化してみました。 これもまさにゲーミフィケーションって感じですねぇ～ スキルマップを作る過程 元々はWebアプリケーションエンジニアのスキルマップだったため、自分達に合うように数人でスキルマップを練り直しました。 これだけでもかなり盛り上がりましたッ！！ 以下は川口さんのオリジナルから変更したところです。 要件定義のスペシャリストとして、商人を追加。 旅芸人はマネージメントのイメージに変更 スキルの方向を上方向に変更 盗賊のスキルレベルの見直し CやC++をイメージして文言を見直し 特性に対応するキーワードを追加 スキルマップを記述する チームメンバーに実際に
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
テキストマイニングとは
Strength of visualization-python visuals tutorial
b4silio.com
GitHub - PAIR-code/facets: Visualizations for machine learning datasets
Voyant Tools
Visualize any Text as a Network - Textexture