[B! 統計] khtno73のブックマーク

効果検証入門から見直す「データサイエンス」

スポーツメトリクス設計に対比較法を使いまくる / Sports metrics design using pairwise comparison method (spoana#14)

khtno73 2020/08/29

統計

リンク

【1行で】Pandasだけで相関行列をヒートマップっぽく可視化する - Qiita

import pandas as pd from sklearn import datasets boston = datasets.load_boston() df = pd.DataFrame(boston['data'], columns=boston['feature_names']) df.corr().style.background_gradient(axis=None)

khtno73 2020/08/26

わざわざSeaborn使ってた。これは便利。

リンク

Pythonでデータの挙動を見やすくする可視化ツールを作成してみた - Qiita

※アンダースコアのpip install seaborn_analyzerでもインストール可能です。インポート時はアンダースコアのimport seaborn_analyzerやfrom seaborn_analyzer となるのでご注意くださいコードモジュールcustom_pair_plot.py内のクラスCustomPairPlotに、必要な処理をまとめました。 GitHubにもアップロードしていますモジュール本体 import seaborn as sns import numpy as np import pandas as pd import matplotlib.pyplot as plt from scipy import stats class CustomPairPlot(): #初期化 def __init__(self): self.df = None sel

khtno73 2020/07/25

これは良い

リンク

結局、統計モデリングとは何なのか - Qiita

先日、つれづれなるままに時系列分析の勉強法の記事『統計初心者が時系列分析を学ぶための勉強法』を書き殴ってみたところ、反響の大きさに驚きました。正直、時系列分析なんてかなりニッチな分野だ（3人ぐらいしか読まないだろう）と思ってたからです。ステイホームしているみなさんが、暇だから時系列分析を使ってFXで一儲けしようとでも考えているんでしょうか。時系列分析のトピックである、状態空間モデルも統計モデリングの一種なわけですが、本日は、「統計モデリングとは何なのか」について、あらためて考えてみたいと思います。統計モデリングといえば、みんな大好き緑本『データ解析のための統計モデリング入門――一般化線形モデル・階層ベイズモデル・MCMC (確率と情報の科学)』です。緑本はたしかに素晴らしい本ですが、緑本を読んだだけでは、「何が統計モデリングで、何が統計モデリングではないのか」「統計学における

khtno73 2020/07/06

統計

リンク

文系のための「多次元データ解析」

まずは、基本的な用語と、Rでの基本的なコマンドをここで学ぶ。何も知らずに、回帰分析や主成分分析、クラスター分析をするのは「無謀」というもの。気持ちは理解できなくは無いのだが。以下のトピックを見て、一つでも知らない用語があるならば、先に進まずに、最初から順にチュートリアルをこなした方が良い。また、理解できている人も、一般的な教科書とは異なった説明もある。軽く目を通した方が良いかもしれない。文系のための「行列の構造」文系のための「行列」（１）：行列データの構造について文系のための「行列」（２）：多次元データについて文系のための「行列」（３）：行列の種類について文系のための「行列」（４）：「変数」と「添字」について文系のための「行列の演算」文系のための「行列の演算」：行列の「足し算」と「引き算」文系のための「内積」（１）：行列の「掛け算」の方法文系のための「内積」（２）：行列の

khtno73 2016/08/16

統計

リンク

ニューラルネットの表現力と回帰分析 - HELLO CYBERNETICS

機械学習といえばニューラルネット・ディープラーニングという印象の方も多いと思われます。実際、ニューラルネットはそのアーキテクチャによって様々な種類のデータをうまく扱うことができます。今回はニューラルネットに対して、いろいろなアーキテクチャを考えて、それがどの既存の手法に類似しているのか、そしてどのような相違点があるのかをまとめてみたいと思います。統計的な分析を行っている人にとって、ニューラルネットを始めとする機械学習の手法は魅力的にも映る一方で、結局のところ何をどのように分析しているのかというのが分かりづらいかと思います。今回は機械学習を専門としないような人が、ニューラルネットの役割を理解できるような内容を目指してみたいと思います。数理的な面は必要最小限にして、応用上心得ておくべきことを中心に書きます。ニューラルネットの基本重回帰分析との比較ロジスティック回帰分析との比較ニュー