Enviar búsqueda
Cargar
空間データのための回帰分析
•
15 recomendaciones
•
7,603 vistas
S
springking
Seguir
Educación
Denunciar
Compartir
Denunciar
Compartir
1 de 12
Descargar ahora
Descargar para leer sin conexión
Recomendados
グラフデータ分析 入門編
グラフデータ分析 入門編
順也 山口
機械学習による統計的実験計画(ベイズ最適化を中心に)
機械学習による統計的実験計画(ベイズ最適化を中心に)
Kota Matsui
バンディットアルゴリズム入門と実践
バンディットアルゴリズム入門と実践
智之 村上
組合せ最適化入門:線形計画から整数計画まで
組合せ最適化入門:線形計画から整数計画まで
Shunji Umetani
線形計画法入門
線形計画法入門
Shunji Umetani
変分ベイズ法の説明
変分ベイズ法の説明
Haruka Ozaki
GiNZAで始める日本語依存構造解析 〜CaboCha, UDPipe, Stanford NLPとの比較〜
GiNZAで始める日本語依存構造解析 〜CaboCha, UDPipe, Stanford NLPとの比較〜
Megagon Labs
MICの解説
MICの解説
logics-of-blue
Recomendados
グラフデータ分析 入門編
グラフデータ分析 入門編
順也 山口
機械学習による統計的実験計画(ベイズ最適化を中心に)
機械学習による統計的実験計画(ベイズ最適化を中心に)
Kota Matsui
バンディットアルゴリズム入門と実践
バンディットアルゴリズム入門と実践
智之 村上
組合せ最適化入門:線形計画から整数計画まで
組合せ最適化入門:線形計画から整数計画まで
Shunji Umetani
線形計画法入門
線形計画法入門
Shunji Umetani
変分ベイズ法の説明
変分ベイズ法の説明
Haruka Ozaki
GiNZAで始める日本語依存構造解析 〜CaboCha, UDPipe, Stanford NLPとの比較〜
GiNZAで始める日本語依存構造解析 〜CaboCha, UDPipe, Stanford NLPとの比較〜
Megagon Labs
MICの解説
MICの解説
logics-of-blue
PCAの最終形態GPLVMの解説
PCAの最終形態GPLVMの解説
弘毅 露崎
大規模な組合せ最適化問題に対する発見的解法
大規模な組合せ最適化問題に対する発見的解法
Shunji Umetani
(DL hacks輪読) Deep Kernel Learning
(DL hacks輪読) Deep Kernel Learning
Masahiro Suzuki
Graph Neural Networks
Graph Neural Networks
tm1966
Graph convolution (スペクトルアプローチ)
Graph convolution (スペクトルアプローチ)
yukihiro domae
LightGBMを少し改造してみた ~カテゴリ変数の動的エンコード~
LightGBMを少し改造してみた ~カテゴリ変数の動的エンコード~
RyuichiKanoh
整数計画法に基づく説明可能性な機械学習へのアプローチ
整数計画法に基づく説明可能性な機械学習へのアプローチ
Kentaro Kanamori
深層ガウス過程とアクセントの潜在変数表現に基づく音声合成の検討
深層ガウス過程とアクセントの潜在変数表現に基づく音声合成の検討
Tomoki Koriyama
金融時系列のための深層t過程回帰モデル
金融時系列のための深層t過程回帰モデル
Kei Nakagawa
PRML学習者から入る深層生成モデル入門
PRML学習者から入る深層生成モデル入門
tmtm otm
【メタサーベイ】数式ドリブン教師あり学習
【メタサーベイ】数式ドリブン教師あり学習
cvpaper. challenge
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
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
ベイズ最適化によるハイパラーパラメータ探索
ベイズ最適化によるハイパラーパラメータ探索
西岡 賢一郎
Visual Studio CodeでRを使う
Visual Studio CodeでRを使う
Atsushi Hayakawa
情報推薦システム入門:講義スライド
情報推薦システム入門:講義スライド
Kenta Oku
グラフデータの機械学習における特徴表現の設計と学習
グラフデータの機械学習における特徴表現の設計と学習
Ichigaku Takigawa
「統計的学習理論」第1章
「統計的学習理論」第1章
Kota Matsui
【論文紹介】How Powerful are Graph Neural Networks?
【論文紹介】How Powerful are Graph Neural Networks?
Masanao Ochi
自然言語処理による議論マイニング
自然言語処理による議論マイニング
Naoaki Okazaki
The_Five_Books_Overview_Presentation_2024
The_Five_Books_Overview_Presentation_2024
koheioishi1
生成AIの回答内容の修正を課題としたレポートについて:お茶の水女子大学「授業・研究における生成系AIの活用事例」での講演資料
生成AIの回答内容の修正を課題としたレポートについて:お茶の水女子大学「授業・研究における生成系AIの活用事例」での講演資料
Takayuki Itoh
Más contenido relacionado
La actualidad más candente
PCAの最終形態GPLVMの解説
PCAの最終形態GPLVMの解説
弘毅 露崎
大規模な組合せ最適化問題に対する発見的解法
大規模な組合せ最適化問題に対する発見的解法
Shunji Umetani
(DL hacks輪読) Deep Kernel Learning
(DL hacks輪読) Deep Kernel Learning
Masahiro Suzuki
Graph Neural Networks
Graph Neural Networks
tm1966
Graph convolution (スペクトルアプローチ)
Graph convolution (スペクトルアプローチ)
yukihiro domae
LightGBMを少し改造してみた ~カテゴリ変数の動的エンコード~
LightGBMを少し改造してみた ~カテゴリ変数の動的エンコード~
RyuichiKanoh
整数計画法に基づく説明可能性な機械学習へのアプローチ
整数計画法に基づく説明可能性な機械学習へのアプローチ
Kentaro Kanamori
深層ガウス過程とアクセントの潜在変数表現に基づく音声合成の検討
深層ガウス過程とアクセントの潜在変数表現に基づく音声合成の検討
Tomoki Koriyama
金融時系列のための深層t過程回帰モデル
金融時系列のための深層t過程回帰モデル
Kei Nakagawa
PRML学習者から入る深層生成モデル入門
PRML学習者から入る深層生成モデル入門
tmtm otm
【メタサーベイ】数式ドリブン教師あり学習
【メタサーベイ】数式ドリブン教師あり学習
cvpaper. challenge
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
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
ベイズ最適化によるハイパラーパラメータ探索
ベイズ最適化によるハイパラーパラメータ探索
西岡 賢一郎
Visual Studio CodeでRを使う
Visual Studio CodeでRを使う
Atsushi Hayakawa
情報推薦システム入門:講義スライド
情報推薦システム入門:講義スライド
Kenta Oku
グラフデータの機械学習における特徴表現の設計と学習
グラフデータの機械学習における特徴表現の設計と学習
Ichigaku Takigawa
「統計的学習理論」第1章
「統計的学習理論」第1章
Kota Matsui
【論文紹介】How Powerful are Graph Neural Networks?
【論文紹介】How Powerful are Graph Neural Networks?
Masanao Ochi
自然言語処理による議論マイニング
自然言語処理による議論マイニング
Naoaki Okazaki
La actualidad más candente
(20)
PCAの最終形態GPLVMの解説
PCAの最終形態GPLVMの解説
大規模な組合せ最適化問題に対する発見的解法
大規模な組合せ最適化問題に対する発見的解法
(DL hacks輪読) Deep Kernel Learning
(DL hacks輪読) Deep Kernel Learning
Graph Neural Networks
Graph Neural Networks
Graph convolution (スペクトルアプローチ)
Graph convolution (スペクトルアプローチ)
LightGBMを少し改造してみた ~カテゴリ変数の動的エンコード~
LightGBMを少し改造してみた ~カテゴリ変数の動的エンコード~
整数計画法に基づく説明可能性な機械学習へのアプローチ
整数計画法に基づく説明可能性な機械学習へのアプローチ
深層ガウス過程とアクセントの潜在変数表現に基づく音声合成の検討
深層ガウス過程とアクセントの潜在変数表現に基づく音声合成の検討
金融時系列のための深層t過程回帰モデル
金融時系列のための深層t過程回帰モデル
PRML学習者から入る深層生成モデル入門
PRML学習者から入る深層生成モデル入門
【メタサーベイ】数式ドリブン教師あり学習
【メタサーベイ】数式ドリブン教師あり学習
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
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
ベイズ最適化によるハイパラーパラメータ探索
ベイズ最適化によるハイパラーパラメータ探索
Visual Studio CodeでRを使う
Visual Studio CodeでRを使う
情報推薦システム入門:講義スライド
情報推薦システム入門:講義スライド
グラフデータの機械学習における特徴表現の設計と学習
グラフデータの機械学習における特徴表現の設計と学習
「統計的学習理論」第1章
「統計的学習理論」第1章
【論文紹介】How Powerful are Graph Neural Networks?
【論文紹介】How Powerful are Graph Neural Networks?
自然言語処理による議論マイニング
自然言語処理による議論マイニング
Último
The_Five_Books_Overview_Presentation_2024
The_Five_Books_Overview_Presentation_2024
koheioishi1
生成AIの回答内容の修正を課題としたレポートについて:お茶の水女子大学「授業・研究における生成系AIの活用事例」での講演資料
生成AIの回答内容の修正を課題としたレポートについて:お茶の水女子大学「授業・研究における生成系AIの活用事例」での講演資料
Takayuki Itoh
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
ssusere0a682
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
ssusere0a682
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
Tokyo Institute of Technology
TokyoTechGraduateExaminationPresentation
TokyoTechGraduateExaminationPresentation
YukiTerazawa
UniProject Workshop Make a Discord Bot with JavaScript
UniProject Workshop Make a Discord Bot with JavaScript
yuitoakatsukijp
Último
(7)
The_Five_Books_Overview_Presentation_2024
The_Five_Books_Overview_Presentation_2024
生成AIの回答内容の修正を課題としたレポートについて:お茶の水女子大学「授業・研究における生成系AIの活用事例」での講演資料
生成AIの回答内容の修正を課題としたレポートについて:お茶の水女子大学「授業・研究における生成系AIの活用事例」での講演資料
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
TokyoTechGraduateExaminationPresentation
TokyoTechGraduateExaminationPresentation
UniProject Workshop Make a Discord Bot with JavaScript
UniProject Workshop Make a Discord Bot with JavaScript
空間データのための回帰分析
1.
空間データのための回帰分析
@t2gtnd HiRoshima.R #1
2.
空間データって? • 地理情報システムGIS (Geographic
Information System) の進 化にともない,位置情報を付加された空間データが入手可能 になってきた.これにより,・・・・ 要するに・・・ 観測地点の位置が分かっているデータ
3.
空間データの例)コロンバス市の犯罪データ • オハイオ州コロンバス市49
地区における1980年の地区 別犯罪発生数と経済指標 (収入・家価格)のデータ – crime : 千世帯辺りの犯罪数 – income : 世帯収入(×$1,000) – housing : 家価格(×$1,000) – (x,y) : 地区所在地の座標 • 知りたいこと 経済指標と犯罪発生数の関係
4.
重回帰分析 • 位置情報を無視すれば、普通の重回帰分析
crime 0 1 income 2 housing 経済指標と犯罪数の関 係(回帰係数)は位置に よらず一定(と仮定)
5.
地理的加重回帰(GWR) • 位置によって回帰係数が変わると考えると… crime
0 ( x, y) 1 ( x, y) income 2 ( x, y) housing 地域によって変わる 地域によって変わる 収入と犯罪数の関係 家価格と犯罪数の関係 i ( x, y) の推定方法 固定した位置(x,y)の周辺データに対して 各観測値に距離に基づく重みを設定し, カーネル平滑化の要領で局所的な重み つき重回帰分析を繰り返す. バンド幅の最適化 → gwr.sel 地理的加重回帰の推定 → gwr
6.
GWRの適用結果
GWRの結果 重回帰分析の結果 位置の数だけ回帰係数を推定する ので、推定値の五数要約値を出力
7.
akimaパッケージを用いて回帰 係数の等値線地図を作成 0 (
x, y) 1 ( x, y) 2 ( x, y)
8.
重回帰と地理的加重回帰のどっちがいい? • グローバル検定 LMZ.F3GWR.test
残差分散を比較することで,帰無仮説:重回 帰,対立仮説:地理的加重回帰の検定を行う コロンバス市の犯罪データでは,重回帰(回帰係数は位置によらず一定)で十分!
9.
GWRはESRI社のArcGISにも実装
10.
補足)地理的加重一般化線形モデル • 目的変数が離散値の場合
→ 地理的加重一般化線形モデル (2値:ロジスティック回帰,計数値:ポアソン回帰) • spgwrパッケージに用意されている関数 – バンド幅の最適化 → ggwr.sel – 地理的加重一般化線形モデルの推定 → ggwr – グローバル検定 → (理論的にも)未実装 たぶん
11.
主な参考文献 spgwrの他にもsp, spdep,
地理的加重回帰の提案者 maptoolsなど空間データを たちの本 扱うパッケージを紹介
12.
おしまい
Descargar ahora