iCluster: オミックスデータの統合 - 驚異のアニヲタ社会復帰の予備
読んだ。 Bioinformatics(2009)25(22):2906-2912. コピーナンバー(CNV)、発現データ(mRNA)、メチル化などのオミックスデータで、症例数 に対してパラメータ数 のデータ行列が複数ある。 各々の実験を勝手にやるのは、それはそれでいいが、CNV、発現、メチル化、プロテオームetc と 種類のいろいろなデータを取ったら、統合して考えたいと思うのは自然な発想である。 ここで、 次元のデータ行列 が、適当な係数行列、latent と呼ばれる、裏で共通して存在しているであろう(だが、観測はできない)因子 と誤差 を用いて として を求めたい。 iCluster パッケージにある。 あるオミックス実験(gene exprssion とか)は の行列データをヒートマップ化して、階層的クラスタリングで系統樹を書くことが多いが、 個のオミックス実験で 症例たちがk-me
Rで代数的集合をプロットする - Qiita
plot_algebraic_set <- function(f, xlim = c(-1, 1), ylim = c(-1, 1), main = NULL, lwd = 2, ...) { if(is.null(main)) { main <- parse(text = sprintf('paste(%s, " = 0")', deparse(body(f)))) } x_range <- seq(xlim[1], xlim[2], length.out = 100) y_range <- seq(ylim[1], ylim[2], length.out = 100) z <- vapply(y_range, function(y) { vapply(x_range, f, numeric(1), y = y) }, numeric(100)) contour(x_range, y_r
Shinyによる電子カルテサポートシステム
R言語とShiny packageを使って電子カルテサポートシステムを試作しました。電子カルテに不足した機能を容易に追加できるので、診療時間の短縮、診療の質の向上が期待できます。Read less
モデル選択とAICとcross validationの関係を大雑把に実験してみる - 渋谷駅前で働くデータサイエンティストのブログ
Stanの開発者でもある統計学界の重鎮、Andrew Gelmanがこんなブログ記事をupしていました。 ちなみに@berobero11さんがこの件についてこんなコメントをされてました。 AkiらのPSIS-LOOがWAICより良いとする論文が出た。https://t.co/BWYNALp88K 渡辺先生の反論はこちら。https://t.co/MLQQvQuwM7 ・WAICはCVではなく汎化誤差を小さくするもの ・MCMCを何度もやった場合の揺らぎを見よ— Kentaro Matsuura (@berobero11) October 21, 2016 WAICとcross validationの関係については渡辺澄夫先生の本にも当然のように記述があって、そこで密林でポチって読んでみたのですが、いかんせん僕の数学力が弱すぎてまだ全然理解できてない有様ですorz ベイズ統計の理論と方法 作
【maptools,leaflet,rgdal】 (愛と希望で)世界を一つにまとめたい - 次元の海で溺れる
何の予定も無いけど、なんだか突然LTがしたくなったので 自宅.Rをやるべく資料作りに勤しむ遊びにハマっています。 待てど暮らせど北国に春が来ない。 今回のテーマ 「世界を一つにまとめたい(意訳:複数ポリゴンを任意に結合したい)」 LT資料(自宅.R用)を作るべく 国勢調査の小地域データを手に入れたので、その可視化と取扱いについてまとめつつ。 データセット 平成22年 国勢調査(小地域)境界データ (地図で見る統計（統計ＧＩＳ） 政府統計の総合窓口 GJ01000001) 「データダウンロード」より進み、 「札幌市中央区-男女別人口総数及び世帯総数」から「世界測地系・緯度経度.shape形式」を取得します。 データの読み込み(世界測地系･緯度経度) 早速データを読み込み。今回は世界測地系(緯度経度)なんですが、e-statでは平面直角座標のshape形式も提供されているので そっちの読み込み
R Notebookを使えるようにしてみる - データサイエンティスト(仮)
動機 最近、R Notebookが少し話題になっていました。自分はまだ使ったことがなかったので、この機会にR Notebookを導入してみようと思いました。 R Notebookとは RStudio上でインタラクティブに作成できるNotebookです。RMarkdownで書くJupyter notebookというイメージかなと思います。 以前からRStudioにはRMarkdownでレポートを作成する機能は付いていました。実際に自分も業務で活用しています。RMarkdownは便利なのですが、毎回knitrを実行する必要があり、小さいカタマリの挙動をチェックするのにはあまり向いていません。レポート作成のためのテスト段階で、小さくサイクルを回せる某notebookのような機能があれば、よりレポート作成が捗りそうです。 そんな要望に答えるのが、R Notebookです。 R Notebookを使
[stan] [jags] ggmcmc でMCMCの事後診断 - ill-identified diary
2019/12/15 追記: 現在は ggmcmcよりもbayesplotのほうがおすすめです ill-identified.hatenablog.com 概要これまで, stan などのサンプリング結果を R で処理するのが面倒だと思っていたのだが, いまさら ggmcmc パッケージという便利なものに気づいた. rstan, rjags などの R と連携できるパッケージと組み合わせるとトレースプロットやコレログラム, 事後密度やヒストグラムを簡単に出力してくれるが, 若干使いにくい*1ところもあるので使い方と合わせて改変したものについても言及する. 参考: http://xavier-fim.net/packages/ggmcmc/ 内容ggmcmc の構文は簡単で, 最短で library(ggmcmc) ggmcmc(ggs(stan/jagsの出力オブジェクト), file=フ
![[stan] [jags] ggmcmc でMCMCの事後診断 - ill-identified diary](https://cdn-ak-scissors.b.st-hatena.com/image/square/c061e091e31002190c62682c1f19558fcf12cad0/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fi%2Fill-identified%2F20161007%2F20161007231714.png)
「StanとRでベイズ統計モデリング」松浦健太郎 という本を書きました - StatModeling Memorandum
僕が筆者なので、この記事は書評ではなく紹介になります。まずこの本はRのシリーズの一冊にもかかわらずStanという統計モデリングのためのプログラミング言語の方がメインです。このようなわがままを許してくれた、ゆるいふところの深い石田先生と共立出版には感謝しかありません。 StanとRでベイズ統計モデリング (Wonderful R) 作者:健太郎, 松浦発売日: 2016/10/25メディア: 単行本 目次と概要 共立出版のページを見てください。GitHubのリポジトリもあります。 前提とする知識 「はじめに」の部分で触れていますが、確率と統計の基本的な知識はある方、R（やPython）で簡単なデータ加工や作図が一通りできる方を想定しています。そのため、確率分布なんて聞いたことがない、プログラミングがはじめて、Rがはじめて、という方が読み進めるのは厳しいかもしれません。なお、Rの基本的な関数し
AIC & BIC vs. Crossvalidation | R-bloggers
[This article was first published on Are you cereal? » R, and kindly contributed to R-bloggers]. (You can report issue about the content on this page here) Want to share your content on R-bloggers? click here if you have a blog, or here if you don't. Model selection is a process of seeking the model in a set of candidate models that gives the best balance between model fit and complexity (Burnham
SIRモデルからはじめる微分方程式と離散時間確率過程（前編） - StatModeling Memorandum
今年はデング熱やエボラで騒がれました。そのような感染症の伝播によって感染人数がどのように変化するかを表すモデルはいくつかありますが、最もシンプルなものはSIRモデルというものです。Wikipediaの記事はこちら。 総人口をNとして、Sが感受性人口（まだ感染してないけど感染する可能性がある人）、Iが発症感染者人口、Rが除外人口（Iから治ってもう感染しない人）を表します。現時点のS,I,Rが与えられた時に、○○時間経った後のS,I,Rはどのようになるでしょうか？○○時間が短い極限をとって連続時間で変化のルールを記述したものを微分方程式と呼びます。SIRモデルでは次のような変化のルールに従うと仮定します。 上記のルールは化学反応式とほとんど同じです。SとIが接触したらある反応速度係数に従ってSもIになる。接触頻度はS*Iに比例するはず。I自体も単体で、ある反応速度係数に従ってRになる。これらを
Deep Learningで遊ぶ(2): オンラインニュース人気度＋ベイズ最適化によるパラメータチューニング - 渋谷駅前で働くデータサイエンティストのブログ
追記（2016年8月22日） {rBayesianOptimization}の使い方を間違えていて、この記事の下部では実際にはテスト誤差ではなくトレーニング誤差を評価してしまっていますorz 実際にはScore返値にholdoutを入れるのが正解です。別に{rBayesianOptimization}単体で取り上げた記事を書きましたので、正しい使い方はそちらをお読みください。 Deep Learningをだらだらと実践してみるこのシリーズ、前回は分類だったので今回は回帰でやってみようと思います。お題はUCI ML repositoryの"Online News Popularity"です。とあるサイトに掲載されたオンラインニュース記事がそれぞれどれくらいシェア（おそらくSNS類に）されたかを、様々な特徴量と合わせて収めた39644行×61列のデータセットです。 元のニュース記事が非公開であ
【orloca,leaflet】ラーメン屋さんになりたい ～SappoRoR#6反省会～ - 次元の海で溺れる
先日SappoRoRへ行ってきて、 おもむろに「ラーメン屋さんになりたい」と言ってきました。 田舎の両親、ラーメン屋さんのみなさま、アホな娘でごめんなさい。 あまり後悔はしてません。 資料各種 改行がダサかったので上げ直し。 Sappo ro#6資料2 ー完全版ー from Wakana_kudo コード類 github.com 概要 テーマ ラーメン屋さんになりたい 札幌市中央区で最も立地に適した場所を探す データ準備 e-stat(国勢調査平成22年/小地域)より、札幌市中央区のシェープファイルを取得。 いつもの流れ。 getinfo.shape(shape.file) ## Shapefile type: Polygon, (5), # of Shapes: 990 pj<-CRS("+proj=longlat +datum=WGS84") Chuo<- readShapePoly(
e-Stat APIバージョン2.1をRから使う - Technically, technophobic.
e-Stat APIがちょっとバージョンアップしていて、統計データ取得APIのデータ形式にCSVが追加されました。 前にRからe-Stat APIを使ったときはちょっとJSONをdata.frameに直すのが大変すぎて、 estatapiというパッケージをつくったんですが、 …ひょっとしてもうパッケージいらない？と思ったので試してみました。 変更点 JSON形式のパスはこうでした。 http://api.e-stat.go.jp/rest/<バージョン>/app/json/getStatsData?<パラメータ群> CSV形式のはこうなります。2.1以降でしか使えないので今のところ<バージョン>には2.1一択です。 http://api.e-stat.go.jp/rest/<バージョン>/app/getSimpleStatsData?<パラメータ群> 参考：政府統計の総合窓口（e-Stat
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
Animation United States Droughts
Posit
拡張カルマンフィルタによるロトカ・ヴォルテラ方程式へのデータ同化 - 廿TT
Python と R の違い (データフレーム編)
RPubs - {Rcpp}が支えるパッケージ
ロトカ・ヴォルテラの方程式のパラメータ推定 - 廿TT
Life on the Big International Frontier | R-bloggers