Suche senden
Hochladen
Tokyor35 人工データの発生
•
10 gefällt mir
•
5,951 views
Yohei Sato
Folgen
Melden
Teilen
Melden
Teilen
1 von 37
Jetzt herunterladen
Downloaden Sie, um offline zu lesen
Empfohlen
Rで架空データの発生
Rで架空データの発生
Makoto Hirakawa
5分でわかるかもしれないglmnet
5分でわかるかもしれないglmnet
Nagi Teramo
状態空間モデルの考え方・使い方 - TokyoR #38
状態空間モデルの考え方・使い方 - TokyoR #38
horihorio
階層ベイズとWAIC
階層ベイズとWAIC
Hiroshi Shimizu
心理学者のためのGlmm・階層ベイズ
心理学者のためのGlmm・階層ベイズ
Hiroshi Shimizu
『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
因果探索: 基本から最近の発展までを概説
因果探索: 基本から最近の発展までを概説
Shiga University, RIKEN
Stan超初心者入門
Stan超初心者入門
Hiroshi Shimizu
Empfohlen
Rで架空データの発生
Rで架空データの発生
Makoto Hirakawa
5分でわかるかもしれないglmnet
5分でわかるかもしれないglmnet
Nagi Teramo
状態空間モデルの考え方・使い方 - TokyoR #38
状態空間モデルの考え方・使い方 - TokyoR #38
horihorio
階層ベイズとWAIC
階層ベイズとWAIC
Hiroshi Shimizu
心理学者のためのGlmm・階層ベイズ
心理学者のためのGlmm・階層ベイズ
Hiroshi Shimizu
『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
因果探索: 基本から最近の発展までを概説
因果探索: 基本から最近の発展までを概説
Shiga University, RIKEN
Stan超初心者入門
Stan超初心者入門
Hiroshi Shimizu
統計的因果推論への招待 -因果構造探索を中心に-
統計的因果推論への招待 -因果構造探索を中心に-
Shiga University, RIKEN
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
Takashi Yamane
時系列予測にTransformerを使うのは有効か?
時系列予測にTransformerを使うのは有効か?
Fumihiko Takahashi
【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
2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデル
logics-of-blue
トピックモデルの評価指標 Coherence 研究まとめ #トピ本
トピックモデルの評価指標 Coherence 研究まとめ #トピ本
hoxo_m
Optimizer入門&最新動向
Optimizer入門&最新動向
Motokawa Tetsuya
劣モジュラ最適化と機械学習1章
劣モジュラ最適化と機械学習1章
Hakky St
Rによるベイジアンネットワーク入門
Rによるベイジアンネットワーク入門
Okamoto Laboratory, The University of Electro-Communications
グラフィカルモデル入門
グラフィカルモデル入門
Kawamoto_Kazuhiko
グラフニューラルネットワーク入門
グラフニューラルネットワーク入門
ryosuke-kojima
Active Learning 入門
Active Learning 入門
Shuyo Nakatani
[DL輪読会]Live-Streaming Fraud Detection: A Heterogeneous Graph Neural Network A...
[DL輪読会]Live-Streaming Fraud Detection: A Heterogeneous Graph Neural Network A...
Deep Learning JP
情報抽出入門 〜非構造化データを構造化させる技術〜
情報抽出入門 〜非構造化データを構造化させる技術〜
Yuya Unno
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
Ken'ichi Matsui
Prophet入門【理論編】Facebookの時系列予測ツール
Prophet入門【理論編】Facebookの時系列予測ツール
hoxo_m
NIPS2017読み会 LightGBM: A Highly Efficient Gradient Boosting Decision Tree
NIPS2017読み会 LightGBM: A Highly Efficient Gradient Boosting Decision Tree
Takami Sato
pymcとpystanでベイズ推定してみた話
pymcとpystanでベイズ推定してみた話
Classi.corp
20180118 一般化線形モデル(glm)
20180118 一般化線形モデル(glm)
Masakazu Shinoda
強化学習と逆強化学習を組み合わせた模倣学習
強化学習と逆強化学習を組み合わせた模倣学習
Eiji Uchibe
Tokyor60 r data_science_part1
Tokyor60 r data_science_part1
Yohei Sato
Tokyor60 opening
Tokyor60 opening
Yohei Sato
Weitere ähnliche Inhalte
Was ist angesagt?
統計的因果推論への招待 -因果構造探索を中心に-
統計的因果推論への招待 -因果構造探索を中心に-
Shiga University, RIKEN
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
Takashi Yamane
時系列予測にTransformerを使うのは有効か?
時系列予測にTransformerを使うのは有効か?
Fumihiko Takahashi
【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
2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデル
logics-of-blue
トピックモデルの評価指標 Coherence 研究まとめ #トピ本
トピックモデルの評価指標 Coherence 研究まとめ #トピ本
hoxo_m
Optimizer入門&最新動向
Optimizer入門&最新動向
Motokawa Tetsuya
劣モジュラ最適化と機械学習1章
劣モジュラ最適化と機械学習1章
Hakky St
Rによるベイジアンネットワーク入門
Rによるベイジアンネットワーク入門
Okamoto Laboratory, The University of Electro-Communications
グラフィカルモデル入門
グラフィカルモデル入門
Kawamoto_Kazuhiko
グラフニューラルネットワーク入門
グラフニューラルネットワーク入門
ryosuke-kojima
Active Learning 入門
Active Learning 入門
Shuyo Nakatani
[DL輪読会]Live-Streaming Fraud Detection: A Heterogeneous Graph Neural Network A...
[DL輪読会]Live-Streaming Fraud Detection: A Heterogeneous Graph Neural Network A...
Deep Learning JP
情報抽出入門 〜非構造化データを構造化させる技術〜
情報抽出入門 〜非構造化データを構造化させる技術〜
Yuya Unno
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
Ken'ichi Matsui
Prophet入門【理論編】Facebookの時系列予測ツール
Prophet入門【理論編】Facebookの時系列予測ツール
hoxo_m
NIPS2017読み会 LightGBM: A Highly Efficient Gradient Boosting Decision Tree
NIPS2017読み会 LightGBM: A Highly Efficient Gradient Boosting Decision Tree
Takami Sato
pymcとpystanでベイズ推定してみた話
pymcとpystanでベイズ推定してみた話
Classi.corp
20180118 一般化線形モデル(glm)
20180118 一般化線形モデル(glm)
Masakazu Shinoda
強化学習と逆強化学習を組み合わせた模倣学習
強化学習と逆強化学習を組み合わせた模倣学習
Eiji Uchibe
Was ist angesagt?
(20)
統計的因果推論への招待 -因果構造探索を中心に-
統計的因果推論への招待 -因果構造探索を中心に-
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
時系列予測にTransformerを使うのは有効か?
時系列予測にTransformerを使うのは有効か?
【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
2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデル
トピックモデルの評価指標 Coherence 研究まとめ #トピ本
トピックモデルの評価指標 Coherence 研究まとめ #トピ本
Optimizer入門&最新動向
Optimizer入門&最新動向
劣モジュラ最適化と機械学習1章
劣モジュラ最適化と機械学習1章
Rによるベイジアンネットワーク入門
Rによるベイジアンネットワーク入門
グラフィカルモデル入門
グラフィカルモデル入門
グラフニューラルネットワーク入門
グラフニューラルネットワーク入門
Active Learning 入門
Active Learning 入門
[DL輪読会]Live-Streaming Fraud Detection: A Heterogeneous Graph Neural Network A...
[DL輪読会]Live-Streaming Fraud Detection: A Heterogeneous Graph Neural Network A...
情報抽出入門 〜非構造化データを構造化させる技術〜
情報抽出入門 〜非構造化データを構造化させる技術〜
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
Prophet入門【理論編】Facebookの時系列予測ツール
Prophet入門【理論編】Facebookの時系列予測ツール
NIPS2017読み会 LightGBM: A Highly Efficient Gradient Boosting Decision Tree
NIPS2017読み会 LightGBM: A Highly Efficient Gradient Boosting Decision Tree
pymcとpystanでベイズ推定してみた話
pymcとpystanでベイズ推定してみた話
20180118 一般化線形モデル(glm)
20180118 一般化線形モデル(glm)
強化学習と逆強化学習を組み合わせた模倣学習
強化学習と逆強化学習を組み合わせた模倣学習
Mehr von Yohei Sato
Tokyor60 r data_science_part1
Tokyor60 r data_science_part1
Yohei Sato
Tokyor60 opening
Tokyor60 opening
Yohei Sato
Tokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組み
Tokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組み
Yohei Sato
Tokyor42_r_datamining_18
Tokyor42_r_datamining_18
Yohei Sato
Tokyor42 ggplot2
Tokyor42 ggplot2
Yohei Sato
Tokyor39 yokkuns
Tokyor39 yokkuns
Yohei Sato
EasyHtmlReportの紹介
EasyHtmlReportの紹介
Yohei Sato
20131206 japan r
20131206 japan r
Yohei Sato
ドリコムの分析環境とデータサイエンス活用事例
ドリコムの分析環境とデータサイエンス活用事例
Yohei Sato
R言語で学ぶマーケティング分析 競争ポジショニング戦略
R言語で学ぶマーケティング分析 競争ポジショニング戦略
Yohei Sato
Rでレポートメール
Rでレポートメール
Yohei Sato
Rで階層ベイズモデル
Rで階層ベイズモデル
Yohei Sato
Rでピボットテーブル
Rでピボットテーブル
Yohei Sato
第3回Japan rパネルディスカッション
第3回Japan rパネルディスカッション
Yohei Sato
Tokyor26 data fusion
Tokyor26 data fusion
Yohei Sato
Tokyor24 yokkuns
Tokyor24 yokkuns
Yohei Sato
Tokyowebmining19 data fusion
Tokyowebmining19 data fusion
Yohei Sato
傾向スコア解析とUplift Modelling
傾向スコア解析とUplift Modelling
Yohei Sato
Complex network ws_percolation
Complex network ws_percolation
Yohei Sato
異常行動検出入門(改)
異常行動検出入門(改)
Yohei Sato
Mehr von Yohei Sato
(20)
Tokyor60 r data_science_part1
Tokyor60 r data_science_part1
Tokyor60 opening
Tokyor60 opening
Tokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組み
Tokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組み
Tokyor42_r_datamining_18
Tokyor42_r_datamining_18
Tokyor42 ggplot2
Tokyor42 ggplot2
Tokyor39 yokkuns
Tokyor39 yokkuns
EasyHtmlReportの紹介
EasyHtmlReportの紹介
20131206 japan r
20131206 japan r
ドリコムの分析環境とデータサイエンス活用事例
ドリコムの分析環境とデータサイエンス活用事例
R言語で学ぶマーケティング分析 競争ポジショニング戦略
R言語で学ぶマーケティング分析 競争ポジショニング戦略
Rでレポートメール
Rでレポートメール
Rで階層ベイズモデル
Rで階層ベイズモデル
Rでピボットテーブル
Rでピボットテーブル
第3回Japan rパネルディスカッション
第3回Japan rパネルディスカッション
Tokyor26 data fusion
Tokyor26 data fusion
Tokyor24 yokkuns
Tokyor24 yokkuns
Tokyowebmining19 data fusion
Tokyowebmining19 data fusion
傾向スコア解析とUplift Modelling
傾向スコア解析とUplift Modelling
Complex network ws_percolation
Complex network ws_percolation
異常行動検出入門(改)
異常行動検出入門(改)
Tokyor35 人工データの発生
1.
「Rによるやさしい統計学」第18章 人工データの発生 @yokkuns: 里 洋平 yohei0511@gmail.com 2013.11.09
第35回Tokyo.R 2013年11月9日土曜日
2.
AGENDA ■自己紹介 ■人工データの発生 ■人工データ ■母集団分布に従う1変量データ ■母集団分布に従う多変量データ ■統計モデルに基づいた人工データ ■最後に 2013年11月9日土曜日
3.
AGENDA ■自己紹介 ■人工データの発生 ■人工データ ■母集団分布に従う1変量データ ■母集団分布に従う多変量データ ■統計モデルに基づいた人工データ ■最後に 2013年11月9日土曜日
4.
里 洋平 (@yokkuns) ■元Webエンジニアのデータサイエンティスト ■TokyoRの主催者 2013年11月9日土曜日
5.
執筆しました 2013年11月9日土曜日
6.
AGENDA ■自己紹介 ■人工データの発生 ■人工データ ■母集団分布に従う1変量データ ■母集団分布に従う多変量データ ■統計モデルに基づいた人工データ ■最後に 2013年11月9日土曜日
7.
なぜ人工データを発生させるのか? 統計学やデータ解析自体の研究•学習の際に 特定の条件を満たすようなデータが欲しい ・シミュレーション実験 ・例題用の仮想データ 勉強会とか執筆とか ・データ解析手法を試すために都合の良いデータ ... 2013年11月9日土曜日
8.
どんな人工データが作れるのか 特定の母集団からの無作為標本 ① 母集団分布を指定した1変量データ ② 母集団分布を指定した多変量データ ③
統計モデルを指定した多変量データ 例: 回帰分析モデル、因子分析モデル、etc... 2013年11月9日土曜日
9.
AGENDA ■自己紹介 ■人工データの発生 ■人工データ ■母集団分布に従う1変量データ ■母集団分布に従う多変量データ ■統計モデルに基づいた人工データ ■最後に 2013年11月9日土曜日
10.
確率分布に従う乱数の生成 乱数を生成する関数一覧 確率分布 関数名 引数としてしていする母数 正規分布 rnorm mean, sd 一様分布 runif min, max ベータ分布 rbeta shape1,
shape2, ncp 二項分布 rbiom size, prob コーシー分布 rcauchy location, scale カイ二乗分布 rchisq df, ncp 指数分布 rexp rate F分布 rf df1, df2, cnp ガンマ分布 rgamma prob ... ... ... 2013年11月9日土曜日
11.
実行例: 正規分布 rnorm関数 2013年11月9日土曜日
12.
実行例: 一様分布 runif関数 2013年11月9日土曜日
13.
実行例: 任意の離散的確率分布 runif関数による乱数とcut関数を用いて 任意の離散的確率分布の人工データを生成する 2013年11月9日土曜日
14.
統計学の法則・定理の検証 統計学を勉強してると謎の法則とか定理が出てくる 人工データを使ってこれを検証してみる http://ja.wikipedia.org/wiki/%E5%A4%A7%E6%95%B0%E3%81%AE%E6%B3%95%E5%89%87 http://ja.wikipedia.org/wiki/%E4%B8%AD%E5%BF%83%E6%A5%B5%E9%99%90%E5%AE%9A%E7%90%86 2013年11月9日土曜日
15.
大数の法則とは ある母集団から無作為抽出された標本データの平均は サンプルサイズを大きくすると真の平均に近づく http://www.seiho.or.jp/data/billboard/introduction/content03/ 2013年11月9日土曜日
16.
正規分布によるシミュレーション rnorm関数でサンプルサイズを変化させ 標本平均と母平均を比較する 2013年11月9日土曜日
17.
二項分布によるシミュレーション rbiom関数でサンプルサイズを変化させ 標本平均と母平均を比較する 2013年11月9日土曜日
18.
中心極限定理とは 標本平均と真の平均との誤差は サンプルサイズを大きくすると、近似的に正規分布に従う http://www.clg.niigata-u.ac.jp/ medimg/practice_medical_imaging/roc/2signifi/ index.htm 2013年11月9日土曜日
19.
正規分布によるシミュレーション 母集団の作成 2013年11月9日土曜日
20.
正規分布によるシミュレーション 100個の標本を100回作成 標本平均の分布を見る 2013年11月9日土曜日
21.
正規分布によるシミュレーション 100個の標本を1,000回作成 標本平均の分布を見る 2013年11月9日土曜日
22.
正規分布によるシミュレーション 100個の標本を10,000回作成 標本平均の分布を見る 2013年11月9日土曜日
23.
二項分布によるシミュレーション 母集団の作成 2013年11月9日土曜日
24.
二項分布によるシミュレーション 100個の標本を100回作成 標本平均の分布を見る 2013年11月9日土曜日
25.
二項分布によるシミュレーション 100個の標本を10,000回作成 標本平均の分布を見る 2013年11月9日土曜日
26.
AGENDA ■自己紹介 ■人工データの発生 ■人工データ ■母集団分布に従う1変量データ ■母集団分布に従う多変量データ ■統計モデルに基づいた人工データ ■最後に 2013年11月9日土曜日
27.
相関関係 http://mcn-www.jwu.ac.jp/ kuto/kogo_lab/psi-home/stat2000/DATA/09/03.HTM 2013年11月9日土曜日
28.
任意の母相関を持つ2変数データの生成(方法1) 分散の等しい母集団から独立に無作為抽出された 2変数を用いて任意の母相関を持つ2変数データを生成 2013年11月9日土曜日
29.
AGENDA ■自己紹介 ■人工データの発生 ■人工データ ■母集団分布に従う1変量データ ■母集団分布に従う多変量データ ■統計モデルに基づいた人工データ ■最後に 2013年11月9日土曜日
30.
線形回帰分析とは 観測変数間の直線関係を分析する手法 http://www.tuins.ac.jp/ ham/tymhnt/analysis/e/tahenryo/sa/sa8.html 2013年11月9日土曜日
31.
線形回帰分析の仮定 線形回帰モデルの残差は正規分布していると仮定されている http://www.ipc.shimane-u.ac.jp/food/kobayasi/biometry13_2010.html 2013年11月9日土曜日
32.
回帰分析モデルに基づく人工データの生成 回帰係数と切片を固定し、xとeを乱数で生成する事で 回帰分析モデルに基づく人工データを生成する 2013年11月9日土曜日
33.
人工データに対して回帰分析を実行 2013年11月9日土曜日
34.
AGENDA ■自己紹介 ■人工データの発生 ■人工データ ■母集団分布に従う1変量データ ■母集団分布に従う多変量データ ■統計モデルに基づいた人工データ ■最後に 2013年11月9日土曜日
35.
■ LT募集しています! http://www.japanr.org/information/2013/11/03/lt/ 2013年11月9日土曜日
36.
AGENDA ■自己紹介 ■人工データの発生 ■人工データ ■母集団分布に従う1変量データ ■母集団分布に従う多変量データ ■統計モデルに基づいた人工データ ■最後に 2013年11月9日土曜日
37.
ご清聴ありがとうございました! 2013年11月9日土曜日
Jetzt herunterladen