CiNii Articlesから共著関係ネットワークの可視化 - よしなしごと
みたいなWebアプリを作りました。 CiNii CoAuthor Network http://ciniicoauthornetwork.appspot.com/ id:haseharu先輩のアイディアやアドバイスによるところばかりです。ありがとうございます！ キーワードを入力すると（時間はかかりますが）以下のような感じでネットワーク図といくつかの統計指標を出力します。 データ抽出の条件は以下のとおりです。 検索結果の上限は1000件 ノードが著者（大きさ・色は論文数によって決めています）、エッジが共著関係にある論文数を表しています。 重複データはタイトル完全一致を条件として除去 著者名の先頭がアルファベット・カタカナで始まっているデータは除去*1 同姓同名の著者は区別していません。 単著の論文が1件のみのデータはネットワーク図には表示していません。 こんな感じなのであくまでも参考程度の情
Pythonで使う可視化ライブラリまとめ - St_Hakky’s blog
こんにちは。 PyCon2017のビデオを全部ではないですが、気になったタイトルのものだけ見ているんですけど、その中で面白いものをみつけたので紹介します。 PyCon2017：Python's Visualization Landscape Pythonにはめちゃめちゃ沢山の可視化ライブラリがあります。 ぶっちゃけどれ使ったら良いんだみたいな感じになりますし、それぞれ特性はあるんだろうなぁとは思いつつも、「まぁmatplotlibとかseabornとかでいいか」みたいな感じになっちゃったり、「おぉーこれ便利じゃん」みたいな感じで、その場しのぎコードを書いたりしてあとで死にたくなります笑。 同じような思いはみんなもっているようで、PyCon2017で以下のプレゼンがされていました。 youtu.be 動画中で使われている、スライドは以下からみれます。 speakerdeck.com 最近見つ
Japan.R 2016に参加してきた - INPUTしたらOUTPUT!
遅くなったけど今年もJapan.R 2016に参加してきたのでメモしとく。 Japan.R 2016 - connpass Japan.R 2016 #JapanRの座席表 - セキココ Japan.R 2016まとめ - Togetterまとめ スペシャルゲストによるオープニングトーク スペシャルゲスト = 石田基広氏 最近Rでやったこと 授業の採点 情報処理の課題Excelファイル50枚 正しくsumを使えているか XLConnectパッケージ R使いが読むべき本 Software for Data Analysis Extending R purrrで九九の計算 outer(x, y)でできるがあえてpurrrで実施 まずはvignetteを見るべし ホクソエムとは何だったのか ホクソエムにホクソエムとは何かを尋ねるのは愚問 ホクソエム製パッケージ densratio 確率密度比推定
Google の可視化ツールの Data Studio を試してみた - 唯物是真 @Scaled_Wurm
Google Data Studio (データスタジオ) という可視化サービスがベータ版で使えるようになっていたので試してみた 見たい数値を一覧するためのダッシュボード的なものを作るためのサービスなので、いろんな場所からデータを取ってきて一箇所でまとめて確認するのが用途っぽい(今のところ似たようなサービス・ツールの方が機能が多そう データソース データソースとしてGoogle AnalyticsやBigQuery、Google Spreadsheet、MySQLなどを選んでデータを取ってこれる データソースを選んでGUIでグラフやテキストを配置していく データの既存のフィールドに関数を適用した結果の値を使うこともできる 使える関数のリスト 下の画像ではGoogle Analyticsの「ブラウザ」(Chrome, Firefoxなど)と「ブラウザのバージョン」(バージョンの番号)をCONC
Cytoscapeを使ったデータの可視化｜統合TV(togotv)
イベント・講習会の情報 開催日時：2016-01-27 講習会名： AJACS薩摩 講師： 櫛田 達矢 （ 科学技術振興機構 バイオサイエンスデータベースセンター (NBDC)） 会場： 鹿児島大学医学部共通教育棟6階マルチメディア情報演習室(桜ヶ丘キャンパス) PDF：リンク先のページ中央の「Download」ボタンを押すとダウンロードできます。 このテキストを引用する際はDOIをご利用ください。DOI: 10.7875/ajacs.2016.007 この講習に関連するタグ：実習 AJACS パスウェイ解析 発現解析 遺伝子 可視化 ソフトウェア この記事は、クリエイティブ・コモンズ 表示 ライセンスの下で利用可能です。 利用にあたっては、下記のクレジットを必ず表示してください。 © 2016 DBCLS TogoTV / CC-BY-4.0
XKCD Plots have Landed in Matplotlib! | Pythonic Perambulations
One of the most consistently popular posts on this blog has been my XKCDify post, where I followed in the footsteps of others to write a little hack for xkcd-style plotting in matplotlib. In it, I mentioned the Sketch Path Filter pull request that would eventually supersede my ugly little hack. Well, "eventually" has finally come. Observe: inline Welcome to pylab, a matplotlib-based Python environ
Graphics in Python — Computational Statistics in Python
Graphics in Python¶ The foundational package for most graphics in Python is `matplotlib <http://matplotlib.org>`__, and the `seaborn <http://stanford.edu/~mwaskom/software/seaborn/>`__ package builds on this to provide more statistical graphing options. We will focus on these two packages, but there are many others if these don’t meet your needs. There are also several specialized packages that mi
Cloudera Blog
Enterprises see embracing AI as a strategic imperative that will enable them to stay relevant in increasingly competitive markets. However, it remains difficult to quickly build these capabilities given the challenges with finding readily available talent and resources to get started rapidly on the AI journey. Cloudera recently signed a strategic collaboration agreement with Amazon […] Read blog p
人工知能がどのようにして次の手を考えているのかが可視化されるチェスゲーム「Thinking Machine 6」
史上最高のチェスプレーヤーと称されたガルリ・カスパロフをIBMのスーパーコンピューターDeep Blueが倒して以来、チェスや将棋、囲碁などのボードゲームで人工知能プログラムが腕を競い合うことは当たり前になり、人工知能技術は急速に進化しています。そんな人工知能プログラムがチェスで次の一手を考えているときに、盤面のどの部分をどのくらいシミュレーションしているのか一目で分かるプログラム「Thinking Machine 6」が公開されています。 Thinking Machine 6 http://bewitched.com/chess/ 上記ページには、JavaScriptで作られた、人工知能と対戦できるチェスプログラム「Thinking Machine 6」があります。盤面手前の白がプレイヤーで、黒が人工知能。駒は、ドラッグ＆ドロップで動かすことができます。 白が先手なので、ポーンを動かすと
Five Hundred Deep Learning Papers, Graphviz and Python
Update Check out the Part II of this post in which you can interact with the SVG graph by hovering and clicking the nodes, thanks to JavaScript. TL;DR I invested days creating a graph with PyGraphviz, representing the evolutionary process of deep learning’s state of the art for the last twenty-five years, or at least this was my objective. This is the final result: Introduction I am currently writ
データビジュアライゼーション・ツール20選 – lab.sugimototatsuo.com
この記事はThe top 20 data visualisation toolsの原著者許諾済みの日本語訳です。 By Brian Suda on September 17, 2012 Translated by Tatsuo Sugimoto 2014年4月28日更新：オリジナル記事が以前のサイトから移転したため発生していた画像の非表示に対応しました。 わたしがもっともよくきかれる質問のひとつが、データビジュアライゼーションを始める方法についてです。このブログの先へ進むには、練習し、さらに実践し、利用できるツールを理解する必要があります。この記事では、シンプルなチャートから複雑なグラフ、地図、インフォグラフィックスまで、ビジュアライゼーションを作成するための20種類のツールを紹介しようとおもいます。ほとんどのツールは無料で利用でき、そのうちいくつかはすでにインストール済みかもしれません。
ブラウザでビジュアルテストをするreftest-runnerを作った
概要 reftest-runnerというブラウザで描画内容やレイアウトといった表示結果をテストするためのライブラリを作りました。 要素技術としてはブラウザ、WebDriver API、レンダリングキャプチャ、画像Diffという感じです。 azu/reftest-runner 時間が無い人向け 以下のスライドに簡単にreftest-runnerやreftestとはなにか、どういうユースケースがあるのかが書いてあります。 reftest-runner-overview.pdf reftestとは reftest(Referrence Test)とは、2つのHTMLの表示結果(スクリーンショット)を比較することで表示結果が意図したものかをテストする方法です。 用意するHTMLとして以下の2種類を1セットとして用意して利用します。 テスト用HTML テストしたい機能を使って実装したHTML リファ
いろいろな確率分布のパラメータをいじくるアプリ @ksmzn #Shiny
いろいろな確率分布のカタチを見ることができるWebアプリです。 パラメータをいじくって、確率分布のカタチがどのように変わるのか観察しましょう。 上部メニュー からお好きな確率分布を選んでください。 このアプリはR言語のWebアプリフレームワークであるShiny で、@ksmznが作りました。 ご指摘や、追加すべき確率分布などがありましたらTwitterで教えてくださると助かります。 また、全てのコードはGitHubにもおいてありますので、拙いコードでよろしければ参考にしてください。 時間があれば、グラフをggplot2ではなく、D3.jsなどを使ったインタラクティブなものにしたいですね。 参考文献 このアプリを使う際に参考にしたページは以下です。 特に、まだまだShinyの日本語情報が少ないなか、 @hoxo_mさんの記事やコードはとても参考になりました。 @hoxo_mさん、ありがとうご
ネットワーク可視化プラットフォームCytoscapeの現状まとめ - Qiita
Cytoscapeとは？ Cytoscapeとは、欧米の研究機関によって開発されているオープンソースのネットワーク可視化ソフトウェアプラットフォームです。ネットワーク（数学の用語ではグラフ）可視化ソフトウェアとは、要するにデータを分析して、最終的には以下の様な描画を行うものです。 元となる情報は基本的に何でも良いので、以下の様な分野で利用されています: 遺伝子ネットワーク分析（主な開発目的です） ソーシャルネットワーク分析（日本語でも幾つか著作のあるJames Fowler教授にも協力していただいています） コンピュータ・ネットワークの可視化とセキュリティ分析 オントロジー等、グラフ構造を持つデータの可視化 このソフトウェアはもう10年以上も開発が続いています。私もカリフォルニア大学のチームの一員として、かなり初期から開発に加わっておりますが、私の努力不足もあり、日本語のドキュメントはとて
アソシエーション分析＋グラフ構造可視化 ({arules} + {arulesViz}) で教師あり学習の変数重要度を可視化する - 渋谷駅前で働くデータサイエンティストのブログ
グローバルTokyoRで何話そうかなー、と思っていたんですがそう言えば主賓がvisualizationの人なんだったっけなぁということで、可視化の話にでもしようかなと。ということで、僕の大好きなネタでもやろうかと思います。 それは、「とにかく{arules} + {arulsViz}で可視化してしまえ」戦略。基本的に世の中のデータマイニングにせよ分類問題にせよ、実は様々な説明変数の共起（？）関係で表せることが多く*1、そういう時は何だかんだでassociation rulesを使うのが一番手っ取り早いんですよね。僕自身の勉強不足を補う目的からも（汗）、ちょっと書いてみようと思います。 アイテム間の条件付き確率たくさん→ベイジアンネットワークもどき→有向非循環グラフ 基本的に、association rulesはアイテム間の共起確率をある状態に対する条件付き確率として出すものです*2。そして
1
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
経産省、重要技術の海外流出防止へ本腰 産業マップ構築でサプライチェーン可視化 （日刊工業新聞電子版） - Yahoo!ニュース
The Olympic Medal Table Visualized Gapminder Style
Ai Art - generat ai art
Force-Directed Graph
市場規模トレンド