Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?
For non-native Japanese speakers: English version is below. ちょっと前から色々なところでちらほら名前を聞くなぁと思っていたMXnet。どうやらKagglerの間では急速に人気が高まっているようで、最近になってだいぶバグフィックスが進んだらしいというので僕もインストールしてみることにしました。 もうこれはご覧の通りで、あのXgboostも配布しているDMLCが出したものです。既にソースもドキュメントもかなり整備が進んでいて、ImageNetの学習済みモデルも配布されているようです。ということで、早速ちょっと触ってみようと思います。 Convolutional Neural Network (CNN)とは 言うまでもないことだとは思いますが、Convolutional Neural Network (CNN)という手法自体はDeep
はじめに 今回は、複数(主に2つ)のdata.frameを結合する方法についてまとめます。 実際に分析する際に、1つのdata.frameだけで完結することはあんまりなく、マスタデータの結合など複数のdata.frameを組み合わせて使う必要がありますが、またまたdplyrを使えば簡単にできます。 結合と言っても、結構色んな方法があるので、分かりやすいようにチートシートからイメージ図を拝借してきました。 1つのdata.frameを操作する場合は、↓の記事を参照してください。 dplyrを使いこなす！基礎編 dplyrを使いこなす！Window関数編 JOINの種類 JOINの種類は大きく分けて以下の3つあります。 種類 説明
何気なくR-Bloggerのタイムラインを見ていたら、"CausalImpact: A new open-source package for estimating causal effects in time series | Google Open Source Blog"という記事がシェアされていたので見に行ってみたのでした。これはもう読んで字の如く「GoogleがキャンペーンがKPIにもたらす因果的影響を時系列から推定する」ためのRパッケージの話題で、その名も{CausalImpact}という。 ということで、ちろっと触ってみたので簡単にレビューしてみようと思います。本当は色々試してみたかったんですが、ちょっと手元に良いデータがないのでヘルプの事例のみでご勘弁を。。。 インストール 追記 (Jan 29 2020) 現在はCRANからインストールできます。 install.pack
前回からだいぶ間が空いた上に、要は{dlm}パッケージで遊ぼう！という大袈裟なタイトルの割に中身のないこのシリーズ記事ですが（笑）、取るものもとりあえずちょっと例題をやってみようと思います。参考文献はまずこちらのPetris本。 Rによるベイジアン動的線形モデル (統計ライブラリー) 作者: G.ペトリス,S.ペトローネ,P.カンパニョーリ,和合肇,萩原淳一郎出版社/メーカー: 朝倉書店発売日: 2013/05/08メディア: 単行本この商品を含むブログを見る あと、以前買ったけどまだ全部読み切ってないこちらのCommandeur*1本も。 状態空間時系列分析入門 作者: J.J.F.コマンダー,S.J.クープマン,Jacques J.F. Commandeur,Sime Jan Koopman,和合肇出版社/メーカー: シーエーピー出版発売日: 2008/09メディア: 単行本購入: 2
data.table 1 July 2014 useR! - Los Angeles Matt Dowle 2 Some history 1996 I graduate in Maths and Computing Start work at Lehman Brothers (investment bank), London Technology : VB/Excel and Sybase SQL Mutiple users (clients) - Windows One database (server) – Unix / Windows 3 1999 I move to Salomon Brothers (another investment bank), London Day 1 and I meet Patrick Burns (author of S Poetry) Pat:
Plotlyパッケージを紹介します。 PlotlyはRのグラフィックのライブラリで、グラフの作成や共有をインタラクティブに行えて、かつかなりハイレベルな図をブラウザーで表示できるという特徴を持っています。 実際、書いたものをアップロードして、URLでブログなどに張り込むということができるという点でとても実用的です。今回は、このplotlyを用いて、グラフを3つほどDemo的に作成します。 plotlyのインストール まずは、インストールですが、Rのコンソールから次のようにdevtoolsを読み込みます。libraryで使ってない人は、installをしてください。 install.packages("devtools") library("devtools")次に、githubからplotlyをダウンロードします。plotlyには様々なapiが用意されており、今回はR版を使います。Pyth
先週の日曜日にHiRoshimaRというRの勉強会があってとても勉強になった。 今日はそこで@kosugitti 先生が紹介してくれた心理学者のためのパッケージを丁寧に七転八倒することにした。 まずは、パッケージのインストールから。 Tool →Install Packeges..といくとこんな画面になる。 またしても英語でちょっとイライラするが負けられない。 二行目の空欄のとこに"psych"と入力。 多分純正のRだといろいろ選べるみたいなのだが、しばらくはこのRstudioを使うので気にせずに行こう。 ちなみに3行目は、そのパッケージの保存場所。デフォルトではユーザー名/Library/R/2.13(バージョン名)/Library となっている。 作業ディレクトリに変更してもいいとは思うんだけど、まあデフォルトのしておこう。 実行するとこんな感じ。ほんとにインストールできてるのか確認。
2015/01/24追記： 現在のバージョン psych 1.5.1 では、Heywood case が検知されると Warning が出るようです。 とのこと、はてブコメントにてお知らせいただきました。コメントを下さったid:hoxo_m様、ありがとうございます。 したがって表題の問題は、最新バージョンでは発生しないものと思われます。 ただ古い文献などにはこの問題が載っている可能性があること、また別の問題の解決に役立つ可能性があることを考え、本記事は残しておきます。 本題 Rのpsychパッケージに含まれるfa関数で最尤法による探索的因子分析を行うと、本来不適解（Heywood Case）になるようなデータであっても不適解が発生しないようです。 不適解とはつまり、因子分析の結果、いずれかの独立変数の共通性（communarity）が1を超えることを言いますが、fa関数で因子分析を行った場
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
