[B! R] koda3のブックマーク

Rで解く最適化問題線型計画問題編

ゼロから始める深層強化学習（NLP2018講演資料）/ Introduction of Deep Reinforcement LearningPreferred Networks

koda3 2017/11/08

R

リンク

主観的な観点からPythonとRの比較した記事は山ほどあります。それらに私たちの意見を追加する形でこの記事を書きますが、今回はこの2つの言語をより客観的な目線で見ていきたいと思います。PythonとRを比較をしていき、同じ結果を引き出すためにはそれぞれどんなコードが必要なのかを提示していきます。こうすることで、推測ではなく、それぞれの言語の強みと弱みの両者をしっかりと理解できます。 Dataquest では、PythonとRの両方の言語のレッスンを行っていますが、データサイエンスのツールキットの中では両者ともそれぞれに適所があります。この記事では、NBA選手の2013/2014年シーズンの活躍を分析したデータセットを解析していきます。ファイルはここからダウンロードしてください。解析はまずPythonとRのコードを示してから、その後に2つの異なるアプローチを解説し議論していきます。つま

koda3 2015/10/29

リンク

TwitterのデータをRであれこれ

10. twitteRパッケージ # twitteRパッケージを読み込む library(twitteR) # @a_bicky のツイートを3,200件取得（3,200件がMAX） tweets <- userTimeline("a_bicky", n = 3200) str(tweets[[1]]) # 最初のツイートの情報を出力出力 Formal class 'status' [package "twitteR"] with 10 slots ..@ text : chr "RではもしかしてNULL文字を取り除くことできない！？ #r" ..@ favorited : logi FALSE ↑ ツイートのテキスト ..@ replyToSN : chr(0) ..@ created : POSIXct[1:1], format: "2010-12-01 14:17:31" ← ツイ

koda3 2015/05/11

R
analytics

リンク

xgboost のパラメータ - puyokwの日記

xgboost を使う上で、日本語のサイトが少ないと感じましたので、今回はパラメータについて、基本的にこちらのサイトの日本語訳です。 github.com xgboost を実行する前に、共通変数、ブースター変数、タスク変数の３つをセットしなければなりません。共通変数は、木あるいは線形モデルのブースティングモデルに共通の変数ですブースター変数は、木あるいは線形モデルの各々に固有の変数ですタスク変数は、どのように学習させるかを決めるもので、例えば、回帰タスクではランキングタスクの変数が異なっていますこの３つの変数に加えて、コンソール変数があり、これはxgboost のコンソール版の動作に関連しています。(たとえば、作製したモデルを保存するときなど) Rパッケージにおける変数 R のパッケージでは、. (ドット) を_ (アンダーバー)に置き換えて利用できます。例えば、max.dept