Zelig is an easy-to-use, free, open source, general purpose statistics program for estimating, interpreting, and presenting results from any statistical method. Zelig turns the power of R, with thoith free ranging syntax, diverse examples, and documentation written for different audiences — into the same three commands and consistent documentation for every me
R AnalyticFlow ウェブサイトに移動します。 自動的に移動しない場合は リンクをクリックするか、ブラウザのアドレスバーに 直接 "r.analyticflow.com/ja/" と入力してください。
2019-06-28 Data Sciences for the Resilient Society 2018-07-10 f-lab2014 過去の講義 2018-02-25 ICPSR2009 2017-07-20 ベイズ統計演習2014_4 2017-02-28 空間モデリング特論2017 2016-02-26 Sports Data Science 2015 2016-01-11 環境とビジネスのデータサイエンス/空間モデリング（2015年度秋学期） 2015-11-02 空間モデリング2015演習ページ(2) 2015-10-11 環境とビジネスのデータサイエンス/空間モデリング（2015年度秋学期）（SFC-SFCに移動） 空間モデリング2015演習ページ(1) 2015-08-14 ベイズ統計演習2014_7 2015-06-22 環境とビジネスのデータサイエンス（2015年
カーネル法によるデータ解析は今や生命情報科学やデータマイニングの分野では標準である．しかし文字列やグラフ解析など別分野に適応できるように自身で設計しようとすると容易ではない．本書は，カーネル法という多変量解析の底に流れる基本的な考え方を紹介して，読者自身が設計を行う際の道標になるような内容をめざす． ■著者からのメッセージ 本書ではカーネル法と呼ばれるデータ解析の手法を解説する．カーネル法はサポートベクトルマシンの発明によって一躍注目されるようになった．しかしながら，その本質はもともと古くからあった手法の延長線上に位置づけられるので，カーネル法を形容するのにはむしろ温故知新という言葉がぴったりとくる．すなわち，カーネル法は基本的には伝統的な線形多変量解析と同じ土俵の上にあると考えることができる一方，従来できなかったような問題にも適用できる柔軟性を持ち合わせている． 複雑な非線形データが与え
ベイズ推定って、最近はやってきてますね。僕も流行りにおいて行かれないように勉強しています。 理論的な話や数学的な話はいろいろWebや本をあされば出てきますが、実用面とか解釈面について言及しているものは少ないですね。 今回は清水の個人的な意見として、ベイズがどういう風に使えそうか書いてみます。数学的な話はなしで。よくわからないので。 興味ある人は続きをどうぞ。 2016/2/1追記：ベイズ統計について，入門的な資料を作りました。心理学者のためのベイズ統計入門もあわせてどうぞ。 ベイズ推定法の前に、従来法の代表として最尤推定法について触れておきます。 その方法とベイズがどう違うのかについて、そのあと述べます。 最尤推定法 最尤法ともいわれますが、基本的な発想は、モデルとデータの関係を次のように考えます。 真のモデルというのがあって、我々はそのモデルから発生したデータを手に入れている。真値は一つ
Established in 1996, the Journal of Statistical Software publishes artith the source code of the software itself and replication code for all empirical results. Furthermore, shorter code snippets are published as well as book reviews and software reviews. All contents are freely available online under open licenaim to present research that demonstrates
自分が分かりやすいように, 応用しやすいように疑似stanコードで書きました、ごめんね。間違ってたらごめんね。 再生性 再生性を使うとモデルをシンプルに書けることがあり、推定のスピードアップにつながります。 以下で用いられる2つの確率変数x1, x2は互いに独立とします。 ●正規分布 対数正規分布の場合は変数の積について再生性が成り立つことになります。 ●コーシー分布 ●ガンマ分布 rate parameterであるbが異なる場合は成り立ちません。a1,a2が半整数である場合はカイ二乗分布に相当し再生性を持ちます。 ●ポアソン分布 ●二項分布 確率pが異なる場合は成り立ちません。 共役事前分布 共役事前分布を使うと事後分布の形が決まるためパラメータの推定の式がシンプルになることがあり、スピードアップにつながります。主要なところをいくつか紹介します。その他のものはwikipedia参照。 ●
仕事をしていてデータを意思決定に用いる場合，データから予測されるシミュレーション結果が，どの程度信頼できるかということを判断する必要があります．例えば前期に20回実施して，14回は想定通りの効果が得られ，残りは失敗した施策があるとして，これを今期実施したらどの程度成功して，いくらの売り上げになるのか，みたいな場合です． これを職場の偉い人に説明しにいくときに，予測売り上げをわかりやすく説明する必要があります．もちろん予測ぴったりになるとは限らないので，ある程度のレンジをもって伝えるわけですが，このときに，できるだけレンジの幅を縮めたり，また説明性を高めたりしないといけないわけですね．この予測のレンジについて，変動性と不確実性の2種類に区分することができます，というのが今回のネタです．元ネタはこちらの本になります*1． 入門リスク分析―基礎から実践 作者: デビッドヴォース,David Vo
本稿では統計学・データマイニング・機械学習関連書籍について 内容が易しいこと。数学力（特に微積・線形代数）を求められないこと 入手しやすいこと。絶版や学会に入らないと入手不可などではない、値段が安いこと 実務に繋げやすいこと。 持ち運びしやすいこと。忙しい新社会人が通勤中や休み時間ポケットからさっと取り出し、継続して勉強出来ること を主眼に選定したお薦め書籍を紹介します。 （満たせない要望も多いですが） 主な対象者は、文系で数学や統計学をやってこなかった、 プログラミングもわからない（Excelで四則演算やマウス操作くらいは使える） けどいつかマーケティングやデータマイニングやってやるぜ！ って考えてる新卒の方です。 筆者自身は経済学科出身の文系で、あまり数学力に自信がないなりに Web企業でデータマイニングをしているという人間です。 ここで紹介している内容で 「統計学・機械学習・データマ
最近にわかにword2vecが流行っています。ので、乗っかってみました的記事です。 理論に関してはあまり詳しくしらないので、印象だけで語っているかもしれません。何かありましたらTwitterかコメント等でご指摘いただけますと幸いです。 ちなみに、失敗した話が多いです。 word2vecと単語のベクトル表現 word2vecは、機械学習の分野で使われる、ニューラルネットというモデルを使ったツール／ライブラリです*1。名前の通り、wordをvectorにします。vectorにする、というのは、ベクトル表現を獲得するということで、意味(みたいなもの)の獲得というか、素性の獲得というか。 単語のベクトル表現の獲得自体は、別にword2vecにしかないわけではありません。言い換えると、昔からあります。LDAを使って単語のトピック分布のようなものを学習したり(vingowでやりました)。余談ですが、こ
Statistics Likes 7 Downloads 32 Comments 0 Embed Views 51 Views on SlideShare 2,630 Total Views 2,681
Statistics Favorites 5 Downloads 33 Comments 0 Embed Views 0 Views on SlideShare 1,474 Total Views 1,474 OsakaR_7: Rでテキストマイニングをする前に — Presentation Transcript Rでテキストマイニングをする前に @langstat Osaka.R #72012年2月12日（日）、大阪大学豊中キャンパス 1 自己紹介• 小林 雄一郎 （こばやし ゆういちろう） – 言語学と言語処理と言語教育の挟間をふらふら – 最近の研究テーマは、「パターン認識と自然言語処理の 技術を用いた習熟度判定」など 2 • Rコミュニティでのお仕事 – Osaka.R運営委員 （発表者集め、ATND、懇親会など担当？） – Japan.R運営委員• Rコミュニティへの参加状況 –
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
Amazon.co.jp: The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Second Edition (Springer Series in Statistics): Hastie, Trevor, Tibshirani, Robert, Friedman, Jerome: 本
