MS、ビッグデータアナリティクス製品の新ファミリ「Microsoft R Server」を発表
Tero Alhonen氏のツイートをきっかけにして筆者は、これらの新製品群のリリースを発表しているMSDNのページを見つけることができた。 今回新たに提供が開始されたのは以下の製品だ（いずれも英語版）。 「Microsoft R Server for Hadoop on Red Hat（x64）」 「Microsoft R Server for Teradata DB（x64）」 「Microsoft R Server for Red Hat Linux（x64）」 「Microsoft R Server for SUSE Linux（x64）」 「RRE for Windows（x64）」（RREはおそらく「Revolution R Enterprise」のことだと考えられる。RREの情報をツイートしてくれたMarko Loukkaanhuhta氏にも感謝する） 以下は、MSDN上に記
Rでt検定 1
t検定の仮定 本来，t検定には，さまざまな仮定が伴うものである。 各群の標本が，いずれも正規母集団から得られたものであること（正規性） 各群の母分散が等しいこと（等分散性） したがって，t検定の実施に先立って，これらの仮定が成り立つかどうかを判断しなければならない。 そのために，正規性と等分散性について，それぞれ異なる検定を行う必要がある。 正規性の検定 2群のデータの分布が，正規分布に従うかどうかを検定する。 この目的には，Kolmogorov-Smirnov（コロモゴロフ・スミノフ）検定がよく用いられる。 Rでは，この頭文字をとって ks.test() という名前の関数が用意されている。 この検定の帰無仮説は「あるデータが，正規分布をなす」である。 したがって，P値が大きければ，正規分布であると判断できる。 > ks.test(x$A,"pnorm",mean=mean(x$A),sd
Rによるコルモゴロフ・スミルノフ検定
Rにてコルモゴロフ・スミルノフ検定 (Kolmogorov-Smirnov test) を行う。コルモゴロフ・スミルノフ検定は得られた2つのデータ間の確率分布の相違の検定、または、1データにおける確率分布の正規性を行う検定法である。旧ソビエト連邦の数学者Andrey Nikolaevich KolmogorovとNikolai Vasilyevich Smirnovによって開発された。スチューデントのt検定等をはじめとする多くの検定手法において標本分布 (データ) が正規分布に従うことが仮定されていることを考慮すると、得られたデータが正規分布に従うか否かは、その後の統計検定を行うにあたり非常に大きな意味を持つ。その観点からコルモゴロフ・スミルノフ検定は重要な検定法のひとつであるといえる。Rでは、デフォルトでインストールされているパッケージの関数 'ks.test' にて実行する。 以下のよ
Tokyo-based R Meetup TokyoR #45 | R-bloggers
[This article was first published on Data science & Software development » 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. Last week, I attended a Tokyo-based Statistical Software R meetup named “TokyoR #45” held on Jan 17 at VOYAGE GROUP office in Shi
R_統計解析環境Tutorial～関数のソースコードを表示する
[概要] Rで利用できる関数のソースコードを、簡単に表示させる方法を紹介します。 関数名 をRのコンソール画面に入力してEnter（Return)キーをクリックするだけで、 入力した関数のソースコードを表示させることができます。 例： lm(線形回帰）のソースコードを表示させる → lm と入力して、Enter (Return)を入力 ＊lm関数を実行する場合は、lm(引数、オプション）とlmに続けて( )を入力しますが、 ソースコードを表示させるときは、関数名の後の( )を入力しません
Googleがリリースした「キャンペーンとKPIとの因果関係を推定する」Rパッケージ{CausalImpact}を試してみた - 渋谷駅前で働くデータサイエンティストのブログ
何気なくR-Bloggerのタイムラインを見ていたら、"CausalImpact: A new open-source package for estimating causal effects in time series | Google Open Source Blog"という記事がシェアされていたので見に行ってみたのでした。これはもう読んで字の如く「GoogleがキャンペーンがKPIにもたらす因果的影響を時系列から推定する」ためのRパッケージの話題で、その名も{CausalImpact}という。 ということで、ちろっと触ってみたので簡単にレビューしてみようと思います。本当は色々試してみたかったんですが、ちょっと手元に良いデータがないのでヘルプの事例のみでご勘弁を。。。 インストール 追記 (Jan 29 2020) 現在はCRANからインストールできます。 install.pack
Machine Learning in Parallel with Support Vector Machines, Generalized Linear Models, and Adaptive Boosting – Data Science Central
Machine Learning in Parallel with Support Vector Machines, Generalized Linear Models, and Adaptive Boosting Introduction This article describes methods for machine learning using bootstrap samples and parallel processing to model very large volumes of data in short periods of time. The R programming language includes many packages for machine learning different types of data. Three of these packag
Shiny を使ってR言語のプログラムをWeb アプリ化する - Tech-Sketch
R は統計解析向けのプログラミング言語で、お手軽にデータ分析を行うことができます。そして、R での分析結果は、Shiny というR のパッケージを使うことで、簡単にWeb アプリ化することができます。今回はR プログラムを簡単にWeb アプリ化するShiny パッケージと、Web アプリとして公開することができるShiny Server について紹介します。 What's Shiny? Shiny とはR のIDE である RStudio の開発元のRStudio Inc. が開発しているプロダクトです。Shiny を使うとR のプログラムを簡単にWeb アプリにすることができます。 Shiny で作成したWeb アプリはブラウザからのユーザー入力などをトリガーに、インタラクティブにR のプログラムを即時実行し、その実行結果を動的に確認できます。見た目に関しては、Shiny が内部的に T
「plyrパッケージで君も前処理スタ☆」改め「plyrパッケージ徹底入門」
14. 何はともあれ可視化しておく 14 Ozone50 100 150 0 50 100 150 Cor : 0.348 5: 0.243 6: 0.718 7: 0.429 8: 0.53 9: 0.18 Cor : -0.612 5: -0.451 6: 0.357 7: -0.667 8: -0.74 9: -0.61 Cor : 0.699 5: 0.613 6: 0.668 7: 0.723 8: 0.605 9: 0.828 Solar.R100 200 300 0 100 200 300 Cor : -0.127 5: -0.217 6: 0.612 7: -0.234 8: -0.188 9: -0.0939 Cor : 0.294 5: 0.482 6: 0.647 7: 0.331 8: 0.457 9: 0.123 Wind10 15 20 5 10 15 20 C
District Data Labs - How to Transition from Excel to R
How to Transition from Excel to R An Intro to R for Microsoft Excel Users In today's increasingly data-driven world, business people are constantly talking about how they want more powerful and flexible analytical tools, but are usually intimidated by the programming knowledge these tools require and the learning curve they must overcome just to be able to reproduce what they already know how to d
サンプリング時の最適なサンプルサイズをRパッケージ{pwr}で求める - 渋谷駅前で働くデータサイエンティストのブログ
最近、「ビッグデータ」というバズワードに対するアンチテーゼとして叫ばれるようになってきたのが、 「統計学ってのは限られたサンプル（抽出）データから、まだ見ぬ全体像を知るためのもの」「だからビッグデータなんて苦労して集める必要はない、サンプリングされたデータだけで十分だ」 という主張。えーと、半分はその通りだと思います。けれども、半分はそうでもないかなぁ、と。 何故なら、レコメンダーとかSPAMフィルタなどのバックエンドシステム開発では、できれば全数データを使って可能な限り精度を上げ続けた方が良いものが多いからです。だからHadoop以下大規模分散処理などの高度な手法を沢山駆使しているわけで、そこでは依然として全数データは非常に重要です。 一方、マーケティングなどでオフライン＆アドホックで分析する際には、そこまでやらんでもええやん的な状況は多くあります。手動でデータ分析したいんだけど、全数デ
Rのパワーアップキットを使ってイケてるグラフをサクッと作成しよう【R入門講座】
『MarkeZine』が主催するマーケティング・イベント『MarkeZine Day』『MarkeZine Academy』『MarkeZine プレミアムセミナー』の 最新情報をはじめ、様々なイベント情報をまとめてご紹介します。 MarkeZine Day
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
R で GoogleMaps にプロットする - Qiita
R and Salesforce | R-bloggers
Benchmarking Revolution R Open on Linux | R-bloggers
Rで学ぶ『構造型モデル de 倒産確率推定』
Google Sites: Sign-in
RDBL - The open source R package for database interaction
R 3.1.1 is released (and how to quickly update it on Windows OS) | R-statistics blog
Using Windows Azure Machine Learning as a service with R #rstats