陰関数で表された曲線の描画 - 裏 RjpWiki
Julia ときどき R, Python によるコンピュータプログラム，コンピュータ・サイエンス，統計学 陰関数のプロットについて のコメントはちょっと外れているような気がする。 追記 2022/07/24 以下を，Octave で書いてみた Octave で陰関数のプロット https://blog.goo.ne.jp/r-de-r/e/d196203e89bc402645b5e7d6ffc2bdd7 ちょっと，裏技的であるが，3次元関数として計算し，任意の等高線を描くというようにすることができることもある。 f(x, y) = (x^2+y^2-2x)^3- 4(xy)^2 = c のグラフの例。 x <- seq(-0.5, 3, length = 1000) y <- seq(-2.5, 2.5, length = 1000) z <- matrix(0, 1000, 1000)
パッケージユーザーのための機械学習：教師あり学習同士で分離超平面・決定境界を比較してみる - 渋谷駅前で働くデータサイエンティストのブログ
このシリーズ記事では、Rで*1色々な機械学習のアルゴリズムについて、それらがどんなものなのかを簡単なデータに対して分離超平面・決定境界を描きながら見てきました。 パッケージユーザーのための機械学習(1)：決定木 - 銀座で働くデータサイエンティストのブログ パッケージユーザーのための機械学習(2)：ロジスティック回帰 - 銀座で働くデータサイエンティストのブログ パッケージユーザーのための機械学習(3)：サポートベクターマシン(SVM) - 銀座で働くデータサイエンティストのブログ パッケージユーザーのための機械学習(4)：ニューラルネットワーク - 銀座で働くデータサイエンティストのブログ パッケージユーザーのための機械学習(5)：ランダムフォレスト - 銀座で働くデータサイエンティストのブログ ということで今回はおさらいとして、これまで見てきた教師あり学習同士で分離超平面・決定境界のプ
Neural Networks & Visualization
irisをニューラルネットワークで分類してみる。 nnetライブラリを使用するが、重要なパラメータはsizeとdecayパラメータ。sizeはHidden Layerのユニット数、decayはOverfittingを抑制するためのペナルティ項のパラメータ。これらのパラメータを最適化（チューニング）してくれるパッケージがcaretです。caretはSVMとかたくさんの手法に対応してるので興味のある方はどぞ。 （＊追記）今回はデフォルト設定でチューニングしました。もう少しちゃんとチューニングしたのは新しい記事に書いたのでそちらをどぞ。 ニューラルネットワークの可視化は、http://www.r-bloggers.com/visualizing-neural-networks-from-the-nnet-package/を参考にしましたー。色とかサイズとか細かく変えられるのですごいです！！ では
R×rpart 決定木 – 分類木 | トライフィールズ
決定木とは、分類ルールを木構造で表したものです。分類したいデータを目的変数（従属変数）、分類するために用いるデータを説明変数（独立変数）といいます。目的変数がカテゴリデータなどの場合は「分類木」、連続値などの量的データの場合は「回帰木」と呼ばれます。 決定木の最大のメリットは、結果にグラフを用いることができるため、視覚的に確認できることです。 ここでは、R言語の「rpart」パッケージを用いて決定木について見ていきます。サンプルデータとして、Rに標準で含まれている「Titanic」を使います。このサンプルデータはタイタニック号の乗客の属性情報と生死の情報が含まれています。生死を分けた要因を属性情報から分類するとどのようになるのかを見ていきます。 まずは必要となるパッケージのインストールとロードを行います。「rpart」パッケージは決定木を行うためのものだが、「rpart.plot」と「pa
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
Hatena ID
biostatistics | バイオスタティスティクス | 生物統計学