Recomendados
Más contenido relacionado
Similar a Bnlearn tokyo r29th
Similar a Bnlearn tokyo r29th (20)
Bnlearn tokyo r29th
- 1. bnlearnパッケージの紹介 2013/02/23 (土) 第29回R勉強会 #TokyoR Kentaro Taguchi
- 2. 自己紹介 • 背景 経営工学 • 仕事 データマイニング • 趣味 unityの勉強 2
- 3. 目次 1. 目標 2. データ入手 3. bnlearnの使用 4. 分析結果 3
- 4. １．目標 bnlearn (Bayesian network learning and inference)パッケージによるベイジアンネット ワークの作成 • 題材 映画タイトルのツイート分析 4
- 5. ２．データ入手 ツイート1000件×３タイトルを取得 http://www.tweetarchivist.com/ 5
- 6. MeCab，RMeCabのインストール • 和布蕪(MeCab) 日本語形態素解析ソフト • RMeCab R からMeCabを呼び出して使うインターフェイス MeCabのインストールと解説 石田基広氏 http://rmecab.jp/wiki/ 6
- 7. MeCabで形態素解析 data1 = read.csv(“twitter.csv”, header=TRUE) # CSVファイル読み込み library(RMeCab) # RMeCab読み込み res <- RMeCabDF(data1, 2) # 出現頻度の高い形容詞に絞り込み head(res) # 内容の確認 7
- 8. ターム・文書行列を作成 res <- docMatrixDF(data1[,"text"], pos=c("形容詞"), minFreq=20) # 出現頻度 の高い形容詞を指定 ツイート１ ツイート2 ・・・ ツイートｎ ターム１ ターム２ 頻度 ・・・ タームｍ 8
- 9. 形容詞の出現頻度 res <- t(res) # 転置 head(res) # 内容の確認 9
- 10. 離散変数に変換 res2 <- res>=1 # 1回以上出現しているならばTRUE head(res2) # 内容の表示 data2 <- data.frame(data1$title, res2) # タイトルと結合 10
- 11. ３．bnlearnの使用 • bnlearn ベイジアンネットワークのグラフ作成，パラメータ推定 install.packages(“bnlearn”) # bnlearnのインストール source(“http://bioconductor.org/bioLite.R”) # パッケージのurl指定 bioLite(“Rgraphviz”) # グラフ表示用パッケージのインストール 情報元サイト http://www.bnlearn.com 11
- 12. 空のグラフ作成 library(bnlearn) # パッケージの読み込み e = empty.graph(LETTERS[1:12]) # ノード12個の空のグラフを作成 plot(e) # グラフを表示 12
- 13. エッジを追加 arc.set = matrix(c(“A”, “B”, “A”, “C”, ... , “A”, “L”), ncol = 2, byrow = TRUE) # エッジを指定 arcs(e) = arc.set # 空のグラフにエッジを追加 plot(e) # グラフを表示 13
- 14. データを再度加工 head(data3) # 内容の表示 • numeric型かfactor型に統一しておく必要がある • 「いい」「良い」などが混ざっていたので，頻度の多いほうを採用 14
- 15. パラメータ推定 fit <- bn.fit(e, data3) # 最尤法によるパラメータ推定 fit # 内容の表示 条件付き確率 15
- 17. ４．分析結果 いい 0.09 欲しい 0.08 かわいい 0.07 0.06 0.05 面白い 0.04 ない 0.03 0.02 0.01 T 0 D B 怖い やばい 早い 悪い 凄い 楽しい 17
- 18. ベイジアンネットワークの事例 http://www.bnlearn.com/bnrepository/ 18