Suche senden
Hochladen
78th Tokyo.R Radiantによるデータ分析入門
•
Als PPTX, PDF herunterladen
•
5 gefällt mir
•
3,631 views
ケ
ケンタ タナカ
Folgen
2019年5月25日に第78回Tokyo.Rで発表した「Radiantによるデータ分析入門」の資料です。
Weniger lesen
Mehr lesen
Daten & Analysen
Melden
Teilen
Melden
Teilen
1 von 23
Jetzt herunterladen
Empfohlen
『バックドア基準の入門』@統数研研究集会
『バックドア基準の入門』@統数研研究集会
takehikoihayashi
第4回DARM勉強会 (構造方程式モデリング)
第4回DARM勉強会 (構造方程式モデリング)
Yoshitake Takebayashi
ベイズファクターとモデル選択
ベイズファクターとモデル選択
kazutantan
ベイジアンモデリングによるマーケティングサイエンス〜状態空間モデルを用いたモデリング
ベイジアンモデリングによるマーケティングサイエンス〜状態空間モデルを用いたモデリング
宏喜 佐野
RでGARCHモデル - TokyoR #21
RでGARCHモデル - TokyoR #21
horihorio
StanとRで折れ線回帰──空間的視点取得課題の反応時間データを説明する階層ベイズモデルを例に──【※Docswellにも同じものを上げています】
StanとRで折れ線回帰──空間的視点取得課題の反応時間データを説明する階層ベイズモデルを例に──【※Docswellにも同じものを上げています】
Hiroyuki Muto
Rでコンジョイント分析
Rでコンジョイント分析
osamu morimoto
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
Takashi J OZAKI
Empfohlen
『バックドア基準の入門』@統数研研究集会
『バックドア基準の入門』@統数研研究集会
takehikoihayashi
第4回DARM勉強会 (構造方程式モデリング)
第4回DARM勉強会 (構造方程式モデリング)
Yoshitake Takebayashi
ベイズファクターとモデル選択
ベイズファクターとモデル選択
kazutantan
ベイジアンモデリングによるマーケティングサイエンス〜状態空間モデルを用いたモデリング
ベイジアンモデリングによるマーケティングサイエンス〜状態空間モデルを用いたモデリング
宏喜 佐野
RでGARCHモデル - TokyoR #21
RでGARCHモデル - TokyoR #21
horihorio
StanとRで折れ線回帰──空間的視点取得課題の反応時間データを説明する階層ベイズモデルを例に──【※Docswellにも同じものを上げています】
StanとRで折れ線回帰──空間的視点取得課題の反応時間データを説明する階層ベイズモデルを例に──【※Docswellにも同じものを上げています】
Hiroyuki Muto
Rでコンジョイント分析
Rでコンジョイント分析
osamu morimoto
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
Takashi J OZAKI
03 「重回帰分析」の入門
03 「重回帰分析」の入門
Shuhei Ichikawa
FDRの使い方 (Kashiwa.R #3)
FDRの使い方 (Kashiwa.R #3)
Haruka Ozaki
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Hiroshi Shimizu
【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
Masashi Komori
ブートストラップ法とその周辺とR
ブートストラップ法とその周辺とR
Daisuke Yoneoka
DARM勉強会第3回 (missing data analysis)
DARM勉強会第3回 (missing data analysis)
Masaru Tokuoka
相関と因果について考える:統計的因果推論、その(不)可能性の中心
相関と因果について考える:統計的因果推論、その(不)可能性の中心
takehikoihayashi
Stanコードの書き方 中級編
Stanコードの書き方 中級編
Hiroshi Shimizu
Visual Studio CodeでRを使う
Visual Studio CodeでRを使う
Atsushi Hayakawa
Granger因果による時系列データの因果推定(因果フェス2015)
Granger因果による時系列データの因果推定(因果フェス2015)
Takashi J OZAKI
Cmdstanr入門とreduce_sum()解説
Cmdstanr入門とreduce_sum()解説
Hiroshi Shimizu
機械学習を用いた予測モデル構築・評価
機械学習を用いた予測モデル構築・評価
Shintaro Fukushima
Rの高速化
Rの高速化
弘毅 露崎
ランダムフォレスト
ランダムフォレスト
Kinki University
ロジスティック回帰分析の入門 -予測モデル構築-
ロジスティック回帰分析の入門 -予測モデル構築-
Koichiro Gibo
Rでisomap(多様体学習のはなし)
Rでisomap(多様体学習のはなし)
Kohta Ishikawa
Imputation of Missing Values using Random Forest
Imputation of Missing Values using Random Forest
Satoshi Kato
階層モデルの分散パラメータの事前分布について
階層モデルの分散パラメータの事前分布について
hoxo_m
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
Hiroshi Shimizu
GEE(一般化推定方程式)の理論
GEE(一般化推定方程式)の理論
Koichiro Gibo
Snowflake Architecture and Performance(db tech showcase Tokyo 2018)
Snowflake Architecture and Performance(db tech showcase Tokyo 2018)
Mineaki Motohashi
この Visualization がすごい2014 〜データ世界を彩るツール6選〜
この Visualization がすごい2014 〜データ世界を彩るツール6選〜
Takahiro Inoue
Weitere ähnliche Inhalte
Was ist angesagt?
03 「重回帰分析」の入門
03 「重回帰分析」の入門
Shuhei Ichikawa
FDRの使い方 (Kashiwa.R #3)
FDRの使い方 (Kashiwa.R #3)
Haruka Ozaki
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Hiroshi Shimizu
【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
Masashi Komori
ブートストラップ法とその周辺とR
ブートストラップ法とその周辺とR
Daisuke Yoneoka
DARM勉強会第3回 (missing data analysis)
DARM勉強会第3回 (missing data analysis)
Masaru Tokuoka
相関と因果について考える:統計的因果推論、その(不)可能性の中心
相関と因果について考える:統計的因果推論、その(不)可能性の中心
takehikoihayashi
Stanコードの書き方 中級編
Stanコードの書き方 中級編
Hiroshi Shimizu
Visual Studio CodeでRを使う
Visual Studio CodeでRを使う
Atsushi Hayakawa
Granger因果による時系列データの因果推定(因果フェス2015)
Granger因果による時系列データの因果推定(因果フェス2015)
Takashi J OZAKI
Cmdstanr入門とreduce_sum()解説
Cmdstanr入門とreduce_sum()解説
Hiroshi Shimizu
機械学習を用いた予測モデル構築・評価
機械学習を用いた予測モデル構築・評価
Shintaro Fukushima
Rの高速化
Rの高速化
弘毅 露崎
ランダムフォレスト
ランダムフォレスト
Kinki University
ロジスティック回帰分析の入門 -予測モデル構築-
ロジスティック回帰分析の入門 -予測モデル構築-
Koichiro Gibo
Rでisomap(多様体学習のはなし)
Rでisomap(多様体学習のはなし)
Kohta Ishikawa
Imputation of Missing Values using Random Forest
Imputation of Missing Values using Random Forest
Satoshi Kato
階層モデルの分散パラメータの事前分布について
階層モデルの分散パラメータの事前分布について
hoxo_m
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
Hiroshi Shimizu
GEE(一般化推定方程式)の理論
GEE(一般化推定方程式)の理論
Koichiro Gibo
Was ist angesagt?
(20)
03 「重回帰分析」の入門
03 「重回帰分析」の入門
FDRの使い方 (Kashiwa.R #3)
FDRの使い方 (Kashiwa.R #3)
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
ブートストラップ法とその周辺とR
ブートストラップ法とその周辺とR
DARM勉強会第3回 (missing data analysis)
DARM勉強会第3回 (missing data analysis)
相関と因果について考える:統計的因果推論、その(不)可能性の中心
相関と因果について考える:統計的因果推論、その(不)可能性の中心
Stanコードの書き方 中級編
Stanコードの書き方 中級編
Visual Studio CodeでRを使う
Visual Studio CodeでRを使う
Granger因果による時系列データの因果推定(因果フェス2015)
Granger因果による時系列データの因果推定(因果フェス2015)
Cmdstanr入門とreduce_sum()解説
Cmdstanr入門とreduce_sum()解説
機械学習を用いた予測モデル構築・評価
機械学習を用いた予測モデル構築・評価
Rの高速化
Rの高速化
ランダムフォレスト
ランダムフォレスト
ロジスティック回帰分析の入門 -予測モデル構築-
ロジスティック回帰分析の入門 -予測モデル構築-
Rでisomap(多様体学習のはなし)
Rでisomap(多様体学習のはなし)
Imputation of Missing Values using Random Forest
Imputation of Missing Values using Random Forest
階層モデルの分散パラメータの事前分布について
階層モデルの分散パラメータの事前分布について
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
GEE(一般化推定方程式)の理論
GEE(一般化推定方程式)の理論
Ähnlich wie 78th Tokyo.R Radiantによるデータ分析入門
Snowflake Architecture and Performance(db tech showcase Tokyo 2018)
Snowflake Architecture and Performance(db tech showcase Tokyo 2018)
Mineaki Motohashi
この Visualization がすごい2014 〜データ世界を彩るツール6選〜
この Visualization がすごい2014 〜データ世界を彩るツール6選〜
Takahiro Inoue
Sit tokyo2022 How does DWC change future of business analytics
Sit tokyo2022 How does DWC change future of business analytics
ssuserf40d8b
Node-REDのworldmapの活用
Node-REDのworldmapの活用
OSgeo Japan
JAWS-UG広島 - 2019-07-12 - 金融ビッグデータを守るリソースポリシー実例
JAWS-UG広島 - 2019-07-12 - 金融ビッグデータを守るリソースポリシー実例
Yutaro Ono
Microsoft Ignite Fall 2021 Data Platform Update Topics
Microsoft Ignite Fall 2021 Data Platform Update Topics
Microsoft
Spark Summit 2014 の報告と最近の取り組みについて
Spark Summit 2014 の報告と最近の取り組みについて
Recruit Technologies
Synapse lakedatabase
Synapse lakedatabase
Ryoma Nagata
PCCC21:株式会社アックス「俺のハードウェア」
PCCC21:株式会社アックス「俺のハードウェア」
PC Cluster Consortium
Reactive Workflow Argo Eventsの紹介
Reactive Workflow Argo Eventsの紹介
Daisuke Taniwaki
講演資料「Azure AI Update Ignite Fall 2021を振り返ろう!」
講演資料「Azure AI Update Ignite Fall 2021を振り返ろう!」
Kohei Ogawa
【講演資料】ビッグデータ時代の経営を支えるビジネスアナリティクスソリューション
【講演資料】ビッグデータ時代の経営を支えるビジネスアナリティクスソリューション
Dell TechCenter Japan
【2017.03】cvpaper.challenge2017
【2017.03】cvpaper.challenge2017
cvpaper. challenge
[db tech showcase Tokyo 2017] E35: 12台でやってみた!DWHソフトウェアアプライアンス Db2 Warehouse ~...
[db tech showcase Tokyo 2017] E35: 12台でやってみた!DWHソフトウェアアプライアンス Db2 Warehouse ~...
Insight Technology, Inc.
Apache Sparkの基本と最新バージョン3.2のアップデート(Open Source Conference 2021 Online/Fukuoka ...
Apache Sparkの基本と最新バージョン3.2のアップデート(Open Source Conference 2021 Online/Fukuoka ...
NTT DATA Technology & Innovation
M06_DX を担うエンジニア向け Data & AI Analytics プラットフォームの最適解 ~ Azure Synapse 最新機能ご紹介 ~ ...
M06_DX を担うエンジニア向け Data & AI Analytics プラットフォームの最適解 ~ Azure Synapse 最新機能ご紹介 ~ ...
日本マイクロソフト株式会社
2015年2月26日 dsthHUB 『DataSpiderインターナル プラガブルアーキテクチャで広がる可能性』
2015年2月26日 dsthHUB 『DataSpiderインターナル プラガブルアーキテクチャで広がる可能性』
dstn
Gitlab ci & ecsへのデプロイ
Gitlab ci & ecsへのデプロイ
iwata jaws-ug
【de:code 2020】 Azure Synapse Analytics 技術編 ~ 最新の統合分析プラットフォームによる新しい価値の創出(前編)
【de:code 2020】 Azure Synapse Analytics 技術編 ~ 最新の統合分析プラットフォームによる新しい価値の創出(前編)
日本マイクロソフト株式会社
Mulvery@沖縄Ruby会議02
Mulvery@沖縄Ruby会議02
Daichi Teruya
Ähnlich wie 78th Tokyo.R Radiantによるデータ分析入門
(20)
Snowflake Architecture and Performance(db tech showcase Tokyo 2018)
Snowflake Architecture and Performance(db tech showcase Tokyo 2018)
この Visualization がすごい2014 〜データ世界を彩るツール6選〜
この Visualization がすごい2014 〜データ世界を彩るツール6選〜
Sit tokyo2022 How does DWC change future of business analytics
Sit tokyo2022 How does DWC change future of business analytics
Node-REDのworldmapの活用
Node-REDのworldmapの活用
JAWS-UG広島 - 2019-07-12 - 金融ビッグデータを守るリソースポリシー実例
JAWS-UG広島 - 2019-07-12 - 金融ビッグデータを守るリソースポリシー実例
Microsoft Ignite Fall 2021 Data Platform Update Topics
Microsoft Ignite Fall 2021 Data Platform Update Topics
Spark Summit 2014 の報告と最近の取り組みについて
Spark Summit 2014 の報告と最近の取り組みについて
Synapse lakedatabase
Synapse lakedatabase
PCCC21:株式会社アックス「俺のハードウェア」
PCCC21:株式会社アックス「俺のハードウェア」
Reactive Workflow Argo Eventsの紹介
Reactive Workflow Argo Eventsの紹介
講演資料「Azure AI Update Ignite Fall 2021を振り返ろう!」
講演資料「Azure AI Update Ignite Fall 2021を振り返ろう!」
【講演資料】ビッグデータ時代の経営を支えるビジネスアナリティクスソリューション
【講演資料】ビッグデータ時代の経営を支えるビジネスアナリティクスソリューション
【2017.03】cvpaper.challenge2017
【2017.03】cvpaper.challenge2017
[db tech showcase Tokyo 2017] E35: 12台でやってみた!DWHソフトウェアアプライアンス Db2 Warehouse ~...
[db tech showcase Tokyo 2017] E35: 12台でやってみた!DWHソフトウェアアプライアンス Db2 Warehouse ~...
Apache Sparkの基本と最新バージョン3.2のアップデート(Open Source Conference 2021 Online/Fukuoka ...
Apache Sparkの基本と最新バージョン3.2のアップデート(Open Source Conference 2021 Online/Fukuoka ...
M06_DX を担うエンジニア向け Data & AI Analytics プラットフォームの最適解 ~ Azure Synapse 最新機能ご紹介 ~ ...
M06_DX を担うエンジニア向け Data & AI Analytics プラットフォームの最適解 ~ Azure Synapse 最新機能ご紹介 ~ ...
2015年2月26日 dsthHUB 『DataSpiderインターナル プラガブルアーキテクチャで広がる可能性』
2015年2月26日 dsthHUB 『DataSpiderインターナル プラガブルアーキテクチャで広がる可能性』
Gitlab ci & ecsへのデプロイ
Gitlab ci & ecsへのデプロイ
【de:code 2020】 Azure Synapse Analytics 技術編 ~ 最新の統合分析プラットフォームによる新しい価値の創出(前編)
【de:code 2020】 Azure Synapse Analytics 技術編 ~ 最新の統合分析プラットフォームによる新しい価値の創出(前編)
Mulvery@沖縄Ruby会議02
Mulvery@沖縄Ruby会議02
78th Tokyo.R Radiantによるデータ分析入門
1.
Radiantによる データ分析入門 Tokyo.R 2019-05-25 タナカ ケンタ https://mana.bi/
2.
1 Radiantとは (1) "Business
analytics" のためのRパッケージ ShinyによるブラウザベースのGUIで、容易に "EDA" や "Reproducible research" が可能 UCSDのMBAコースで使用されている インストール、アップデートは関数1つで簡単 (後述) https://vnijs.github.io/radiant/
3.
1 Radiantとは (2)
ブラウザ上でのマウス操作で、グラフ作成、クロス集計、データ加工などができる
4.
2 探索的データ解析 (EDA)
(1) John W. Tukeyによるデータ分析の考え方 データの観察を基に、仮説立案、手法選択、高度 な分析のためのデータ収集計画などを検討する 2018年の「Kaggle流行語大賞」に選ばれた (Wikipediaいわく) EDAに触発されて "S" が作られ、 Sを基にRが作られたので、ある種Rの源流と言える
5.
2 探索的データ解析 (EDA)
(2) 1970年代に提唱された古典的な方法論だが、現在あらためて注目が集まっている
6.
3 Radiantのインストール・アップデート RadiantはCRANに登録されており、基本的に install.packages("radiant") だけで インストールできる RadiantのWebサイトから、開発版のインストール、 アップデートもできる radiant::launcher()
関数でデスクトップに 起動用のショートカットを作成できる (Win, macOS)
7.
4 Radiantの起動・終了 1. Rのコンソールからパッケージを読み込み、起動する 2.
RStudioのアドインとして動作するので、UIのボタンから起動する 3. launcher() 関数で作ったショートカットから起動する > library(radiant) > radiant()
8.
5 データの読み込み 5.1 サンプルデータの読み込み Radiantには起動時点で
diamonds と titanic データセットが読み込まれている その他、examples データを読み込み、多数のサン プルデータセットを使用可能
9.
5.2 CSVファイルの読み込み ローカルのファイルまたはURLから、CSVファイルを読み込める
区切り文字、見出し行の有無、読み込む行数なども指定可能
10.
5.3 クリップボードからの読み込み Excelなどのデータについては、クリップボード経由でも読み込める
11.
6 データの観察 高度なデータ分析も、まずはデータを眺めるところから
Radiantでは、グラフによる可視化と、ピボットテーブルによる集計が簡単にできる
12.
7 データの可視化 Radiantでは、ヒストグラム、確率密度曲線、散布図、3D曲面プロット、 折れ線グラフ、棒グラフ、箱ひげ図を描くことができる
軸やラベル、外観のテーマ設定などもGUIで選択、設定できる
13.
8 データの集計 8.1 ピボットテーブル
ピボットテーブルも集計軸を選択するだけで簡単に作成できる 平均以外に標準偏差、尖度、歪度、四分位数など様々な観点で集計可能
14.
8.2 集計関数の適用 "Explore"
タブでデータをグループ化し、様々な集計関数を適用して観察できる
15.
9 データの加工 "Transform"
タブで既存のデータを加工し、新しい列を追加するなどができる "Combine" タブで複数のデータフレームを結合 (Join) できる
16.
10 モデリング 10.1 回帰モデル
"Model" - "Estimate" - "Linear Regression" から様々なパラメータを選択 して回帰モデルを作成できる モデルの精度評価も、数値とグラフをGUIで操作して行える
17.
10.2 分類モデル (1)
"Logistic Regression" など、いくつかの分類アルゴリズムをサポートしている
18.
10.2 分類モデル (2)
決定木のプロットも簡単にできる
19.
11 多変量解析 11.1 クラスタリング
"Multivariate" - "Cluster" でクラスタリングができる k-means法、階層的クラスタリングに対応している
20.
11.2 因子分析 "Multivariate"
- "Factor" で因子分析ができる 最尤法、主成分分析による方法 (?) が選択でき、多くの回転法をサポートする
21.
11.3 コンジョイント分析 マーケティングにおいて、最適な商品設計をする際の判断基準として行われる
"Multivariate" - "Conjoint" で容易に実行可能
22.
12 レポートの作成 ここまでGUIで行ってきた操作の結果をRMarkdownで書き出せる
日本語にも対応しており、様々な形式でエクスポート可能
23.
13 まとめ Radiantは "Business
analytics" のためのRパッケージ インストール、アップデートは関数1つで簡単 RStudioのアドインとして動作する 可視化、集計がGUIで簡単にできる 回帰、分類、クラスタリングなど一般的なデータ分析手法を サポートしている 操作の結果をRMarkdownで書き出せる
Jetzt herunterladen