『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
最終回／ダミー変数を使って上手にデータをまとめ、グループごとの特徴を把握しよう【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
Rパッケージ作成ハドリー風: devtools, roxygen2, testthatを添えて
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
R を起動するその前に
8. コマンドライン引数 • プログラム (ここでは R のこと) で最初に実行さ れる関数 (いわゆる main 関数) に与えられる引数 • 例) R.exe "hello world" see you → R.exe, hello world, see, you の 4 引数 • 実行中の R からは commandArgs 関数で確 認できる
R {ggplot2} で独自の geom を手軽に作りたい - StatsFragments
重要 このエントリは {ggplot2} 1.1.0 以前の情報です。v2.0.0 以降の方法は vignettes "Extending ggplot2" を読んでください。 CRAN - Package ggplot2 はじめに {ggplot2} を使っていると、新しい描画図形 (geom) を作りたいなという場合がたまにある。その方法は {ggplot2} の Wiki に書いてあり、手順は、 描画図形の実体を grid::Grob として定義する (リンク先の例では fieldGrob ) 定義した Grob を 呼び出す描画用クラスを ggplot2:::Geom を継承して作る (リンク先の例では GeomField ) 描画用関数 geom_xxx を作る (リンク先の例では geom_field ) 手順のうち 新しい Grob を作るのは少し面倒な感じだ。が、作りたい
stringr: Rの文字列をまともな方法で処理する
R標準のbaseパッケージが提供する関数でも文字列処理は可能だが、 stringrのほうが統一的なインターフェイスに合理的な挙動で使いやすい。 factor と character を同じように扱う 引数オブジェクトの各要素の名前や位置を保持する 長さゼロのオブジェクトを引数として与えた場合には長さゼロの結果を返す 引数オブジェクトに NA が含まれる場合はその部分の結果を NA とする 対象文字列が一貫して第一引数で、パターンが二番目 何をやる関数なのか名前から分かりやすい (標準が覚えにくすぎ: grep, grepl, regexpr, gregexpr, regexec) ICU4C (via stringi) を使って動くため高速 ICU正規表現 の仕様が明確 今や stringr は stringi のラッパーだし、 どちらもほぼ同じインターフェイスなので、 もし前者に不足があ
【超訳】pipeR の使い方 #rstatsj - Qiita
この文章は、pipeR 0.5 README を適当に翻訳したものです。 https://github.com/renkun-ken/pipeR/tree/0.5 pipeR の最新バージョン(v0.6)の翻訳は下記にあります。 https://github.com/renkun-ken/pipeR/blob/master/README.ja.md pipeR は、パイプ演算子(%>>%)およびパイプ関数(Pipe())を提供する R パッケージです。 シンタックスとして、 関数の最初の引数にパイプ 表現式中のドット(.)にパイプ ラムダ式でパイプ 副作用ありパイプ 代入ありパイプ をサポートしています。 これらのシンタックスは、パイプラインの可読性を上げるためにデザインされています。 インストール CRAN からインストール(v0.4-2)：
Rで計量時系列分析：AR, MA, ARMA, ARIMAモデル, 予測 - 渋谷駅前で働くデータサイエンティストのブログ
前回の記事では計量時系列分析とは何ぞや？みたいなところをやりましたので、今回はいろはのイともいえるARIMAまわりから始めていこうと思います。 ということで改めて、使用テキストはいつものこちらです。 経済・ファイナンスデータの計量時系列分析 (統計ライブラリー) 作者: 沖本竜義出版社/メーカー: 朝倉書店発売日: 2010/02/01メディア: 単行本購入: 4人 クリック: 101回この商品を含むブログ (6件) を見る 以下タイトルにのっとってRで各モデルの挙動を見ながらやっていきます。 必要なRパッケージ {forecast}をインストールして展開して下さい。Rそのものの初心者向け説明はここでは全面的に割愛するので、適宜何かしらの初心者向け説明をご参照あれ。 今回のモデルで目指すもの 前回の記事では、要は「自己相関が大事よー」という話を何度もしました。ということは、時系列モデリング
%.%演算子の中身 - 盆栽日記
こんな話があります。 http://stackoverflow.com/questions/21477040/reshape2-multiple-results-of-aggregation-function/21485258?stw=2#21485258 %.%でつなげていけるのはdplyrの関数だけかと思い込んでいたのだがそんなことはない。 helpのdescriptionにもちゃんと書いてあった。 These functions providing an alternative way of calling dplyr (and other data manipulation) functions that you read can from left to right. %.%の中身をみるとsubstituteで構文木に変換してそれをchain_q関数に渡している。 > `%.%`
「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
plyr: データ分割-関数適用-再結合を効率的に
Split, Apply, Combine 特定の条件でデータを分割し、それぞれに関数を適用し、再びそれを統合する。 R標準 apply 系の関数よりも直感的な使い方ができ、処理も高速。 Rの中から install.packages("plyr") でインストールし、 使う前に library(plyr) で読み込む。 http://plyr.had.co.nz/ http://www.jstatsoft.org/v40/i01 https://www.rdocumentation.org/packages/plyr https://cran.r-project.org/web/packages/plyr/index.html コア関数 from to array da.fr list nothing array aaply adply alply a_ply data.frame dap
若者の深刻なCRAN離れ、それを加速させるパッケージdrat - Technically, technophobic.
Dirkのこれ。試してみました。 http://dirk.eddelbuettel.com/blog/2015/02/05/ 要は、devtools::install_github()はめっちゃ便利だけど、update.packages()で自動アップデートできない。できるようにするパッケージつくりましたよ、という話らしいです。 使い方 まずdratをインストールします。CRANに上がっているdratパッケージのバージョンは0.0.1です。 install.packages(drat) packageVersion(drat) #> [1] ‘0.0.1’ 次に、dratでアップデートを追いかけたいユーザ名・レポジトリを登録します。 library(drat) addRepo("eddelbuettel") すると、あら不思議、update.packages()でCRANに登録されているよ
みどりぼんの次を考える: R Advent Calendar 2014 12日目 - 個人用データ解析備忘録
2024.12 « 12345678910111213141516171819202122232425262728293031 » 2024.02 本投稿はR Advent Calendar 2014 12日目の記事となります。 今年の4月から継続的に、@yamakatuさん主催の、 「データ解析のための統計モデリング入門（みどりぼん）」 読書会に参加し、 統計モデリングの勉強を進めてきました。 現在この本の勉強会として 「続・わかりやすいパターン認識」読書会を主催させて頂いていますが、 GLM, GLMM, MCMCについての勉強も続けねば、と考えています。 さて、この時、みどりぼんを読み終えたあと、 次に何を読みながら勉強するのが良いのかと思い、調べてみることにしました。 巷の評判では、以下の The BUGS Bookの評判が良いようです。
実践で学ぶネットワーク分析
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる？？ 〜SSII
[Stan] 久保緑本11章のCAR model（空間構造のあるベイズモデル） 訂正版
空間ベイズモデルの一種であるCAR modelがやっと分かった気がしますので備忘録を書きます。 きっかけとなったのは以下の動画の復習です。0:13:50～0:16:30と1:14:50～1:32:20の部分です。統数研の伊庭先生がCAR modelについての講義をしている箇所です。 僕は以前の記事で、動画で言うところのよく書籍で見られるCタイプのfull conditionalで1次のCAR modelを実装した気になっていましたが、これはStan内では r[i] ~ normal((r[i-1]+r[i+1])/2, s) すなわち lp__ (log posterior) には -(r[i+1]-2*r[i]+r[i-1])^2 に比例する量が足しこまれていることに相当し、これは実質的に2次のCAR modelをややこしくやっているのとほぼ同じ意味になっていました（しかも端の分だけダメ
![[Stan] 久保緑本11章のCAR model（空間構造のあるベイズモデル） 訂正版](https://cdn-ak-scissors.b.st-hatena.com/image/square/a8d866436aab37fad1ab3912649531f650bcf79b/height=288;version=1;width=512/http%3A%2F%2Fblog-imgs-78-origin.fc2.com%2Fh%2Fe%2Fa%2Fheartruptcy%2F20150127_kubo11a1-2.png)
atpages.jp - このウェブサイトは販売用です！ - atpages リソースおよび情報
This webpage was generated by the domain owner using Sedo Domain Parking. Disclaimer: Sedo maintains no relationship with third party advertisers. Reference to any specific service or trade mark is not controlled by Sedo nor does it constitute or imply its association, endorsement or recommendation.
RGoogleAnalytics をいじっている - 廿TT
注意 下記情報は古くなってきたので、 RGoogleAnalytics の使い方（Version 0.1.1） - 廿TT をご覧ください。 RGoogleAnalytics とは R から API で Google アナリティクスのデータをひっぱってこれるパッケージ。 やったこと 依存パッケージを先にインストールしておく。 install.packages("RCurl") install.packages("rjson") Downloads - r-google-analytics - Google Analytics For The R Statistical Programming Language - Google Project Hosting からパッケージをダウンロードしてインストール。 追記：インストールについて（10/16） CRAN にもアップされたみたいなので、
JIN'S PAGE - R
R、R言語、R環境・・・・・・ Rのダウンロードとインストール リンク集 題名 Chap_01 データ解析・マイニングとR言語 Chap_0２ Rでのデータの入出力 Chap_03 Rでのデータの編集と演算 Chap_04 Rと基本統計量 Chap_05 Rでの関数オブジェクト Chap_06 Rでのデータの視覚化(1) Chap_07 Rでのデータの視覚化(2) Chap_08 Rでのデータの視覚化(3) Chap_09 GGobiとデータの視覚化(Rgobi) Chap_10 Rと確率分布 Chap_11 Rと推定 Chap_12 Rと検定 Chap_13 Rと分散分析 Chap_14 Rと回帰分析 Chap_15 Rと重回帰分析 Chap_16 Rと一般化線形モデル Chap_17 Rと非線形モデル Chap_18 Rと判別分析 Chap_19 Rと樹木モデル Chap_20 WEK
RFM 分析を簡単に実行できる R パッケージ easyRFM を作った - ほくそ笑む
※この記事は R Advent Calendar 2014 - Qiita の 11 日目の記事です。 はじめに RFM 分析は、マーケティングの顧客分析でよく使われる手法です。 Recency(いつ買ったか)、Frequency(何回買ったか)、Monetary(いくら使ったか)を指標として、顧客をグループ化します。 RFM 分析が何なのか、何に使えるのかは、次のサイトの記事を読めば理解できると思います。 顧客分析の手法 #RFM分析 しかし、実際のデータにこの手法を適用しようと思ったとき、困ったことになります。 どのようにランクを区切ったら良いのか分からないのです。 上記のサイトにもこう書いてあります。 ランクをどこで区切るかは重要な問題で、業種、業界、商品や分析を行なう時期や、用いるデータの期間などによって、分けかたを慎重に検討する必要があります。 このランクを区切るという重要かつ難
「状態空間時系列分析入門」をRで再現する
Commandeur & Koopman「状態空間時系列分析入門」をRで再現する 仕事の都合で仕方なく状態空間モデルについて勉強していたのだけれど(なぜ私がこんな目に)、仕事で使うためには自分で計算できるようにならなければならない。 参考にしているCommandeur & Koopman 「状態空間時系列分析入門」（以下「CK本」）の著者らは、すべての事例についてデータとプログラムを公開している。ありがたいことであります。しかし、ssfpackという耳慣れないソフトを使わなければならない。わざわざ新しいソフトの使い方を覚えるのは大変に面倒だ。できれば普段使っているソフトで済ませたい。 というわけで、勉強かたがた、CK本に出てくる計算例を片っ端から R で再現してみた。汗と涙の甲斐あって、すべての章についていちおう再現できたので、ここに載せておくことにする。 もくじ: Rプログラム紹介 全体
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
How to include (source) R script in other scripts