Tokyo.R女子部発表スライド「Rではじめるデータ解析の超基礎」

1. で始めるデータ解析の超基礎 Tokyo.R 女子部 #4 @a_macbee

2. @a_macbee is 誰

3. @a_macbee ! 渋谷で働く新米データサイエンティスト・広告ログ解析の仕事・普段仕事で利用してる言語はPython ・Tokyo.R 女子部 #3 初参加 ! ・初心者

4. の便利機能の紹介等はしません（出来ません(汗) の標準機能＋ggplot2 のみを利用します ※詰まったらどなたか助けて下さい

5. 本日目指すこと Rを使ってデータの雰囲気をつかむ術を学ぶ

6. 本日の資料 https://github.com/amacbee/tokyorgirls Download → 解凍 20140712/ 以下にあります

7. ヒストグラムについて学びます

8. データの全体像がつかめる！ ←日本の人口分布 ↓テストの点数分布

9. 何はともあれやってみる ! ! # ggplot2の読み込み library(ggplot2) ! ! ! ! ! ! ヒストグラムを描画するために必要です！

10. 何はともあれやってみる ! # データの読み込み data.path = /path/to/ﬁle/ramen_prices.txt data.frame <- read.table(data.path, header=TRUE, sep= ,') ! # データの中身の確認 head(data.frame) ! # ラーメンの値段の平均 mean(data.frame$Price)

11. 何はともあれやってみる ! # データの読み込み data.path = /path/to/ﬁle/ramen_prices.txt data.frame <- read.table(data.path, header=TRUE, sep= ,') ! # データの中身の確認 head(data.frame) ! # ラーメンの値段の平均 mean(data.frame$Price) データを読み込んで data.frameに入れる

12. 何はともあれやってみる ! # データの読み込み data.path = /path/to/ﬁle/ramen_prices.txt data.frame <- read.table(data.path, header=TRUE, sep= ,') ! # データの中身の確認 head(data.frame) ! # ラーメンの値段の平均 mean(data.frame$Price) head()で囲むとデータの上から 6行くらいを表示

13. 何はともあれやってみる ! # データの読み込み data.path = /path/to/ﬁle/ramen_prices.txt data.frame <- read.table(data.path, header=TRUE, sep= ,') ! # データの中身の確認 head(data.frame) ! # ラーメンの値段の平均 mean(data.frame$Price) mean()で囲むとデータの平均値を表示

14. 何はともあれやってみる ! # ラーメンの値段のヒストグラム ggplot(data.frame, aes(x=data.frame$Price)) + geom_histogram(binwidth=100) ! ! ! ! ! !

15. こんなのが出るはず

16. 750 650 850 950 550 ラーメンの平均的な値段は 750円くらい

17. 何はともあれやってみる ! # ラーメンの値段のヒストグラム ggplot(data.frame, aes(x=data.frame$Price)) + geom_histogram(binwidth=100) ! ! ! ! ! ! 範囲の指定この場合，100円の範囲で値をまとめてくれる x軸の指定

18. ヒストグラムの良いところ

19. 2つのヒストグラムの比較 ! # データの読み込み data.path = /path/to/ﬁle/test_scores_1.txt data.frame <- read.table(data.path, header=TRUE, sep= ,') ! # 1組のテストの平均点 mean(data.frame$Score) ! # 1組のテストの点数のヒストグラム ggplot(data.frame, aes(x=data.frame$Score)) + geom_histogram(binwidth=5)

20. 2つのヒストグラムの比較 ! # データの読み込み data.path = /path/to/ﬁle/test_scores_2.txt data.frame <- read.table(data.path, header=TRUE, sep= ,') ! # 2組のテストの平均点 mean(data.frame$Score) ! # 2組のテストの点数のヒストグラム ggplot(data.frame, aes(x=data.frame$Score)) + geom_histogram(binwidth=5)

21. 平均点は？どちらも同じくらい A組：約51点 B組：約50点

22. ヒストグラムは？

23. A 組

24. B 組

25. 平均点は同じでもヒストグラムはかなり違う ↓ データの性質が全然違う

26. 大事なことヒストグラムを書くことでデータの全体像がつかめる

27. binwidth に注意

28. 元のデータはこちらからお借りしています ! https://github.com/johnmyleswhite/ ML_for_Hackers

29. ! # データの読み込み data.path = /path/to/ﬁle/body_data.txt data.frame <- read.table(data.path, header=TRUE, sep= ,') ! # 平均身長 mean(data.frame$Height) ! # 身長のヒストグラム(binwidth=5, 0.001, 1) ggplot(data.frame, aes(x=data.frame$Height)) + geom_histogram(binwidth=5) ggplot(data.frame, aes(x=data.frame$Height)) + geom_histogram(binwidth=0.001) ggplot(data.frame, aes(x=data.frame$Height)) + geom_histogram(binwidth=1)

30. binの幅が広すぎる＝過剰な平滑化 binwidth=5

31. binの幅が小さすぎる＝平滑化の不足 binwidth=0.001

32. binwidth=1

33. 滑らか binwidth=1

34. 大事なこと binwidthの値を変えてヒストグラムを確認すること

35. おまけ1（Rの高度な機能）もとの形状に近い形で描画できる

36. おまけ2（Rの高度な機能）男女で分けてみたり

37. ! 参考図書.1 マンガでわかる  統計学 / 高橋信 ! http://goo.gl/mzuQ ! ※オススメ！

38. ! 参考図書.2 入門機械学習  / D., Conway ! http://goo.gl/0zNev ! ※かなり難しい！

39. Thank you!

Tokyo.R女子部発表スライド「Rではじめるデータ解析の超基礎」

Tokyo.R女子部発表スライド「Rではじめるデータ解析の超基礎」

Recomendados

Más contenido relacionado

Was ist angesagt?

Was ist angesagt?(20)

Similar a Tokyo.R女子部発表スライド「Rではじめるデータ解析の超基礎」

Similar a Tokyo.R女子部発表スライド「Rではじめるデータ解析の超基礎」(20)

Tokyo.R女子部発表スライド「Rではじめるデータ解析の超基礎」