Enviar búsqueda
Cargar
Tsukuba
•
16 recomendaciones
•
3,943 vistas
S
syou6162
Seguir
Denunciar
Compartir
Denunciar
Compartir
1 de 61
Descargar ahora
Descargar para leer sin conexión
Recomendados
ggplot2 110129
ggplot2 110129
Takashi Minoda
ggplot2再入門(2015年バージョン)
ggplot2再入門(2015年バージョン)
yutannihilation
for関数を使った繰り返し処理によるヒストグラムの一括出力
for関数を使った繰り返し処理によるヒストグラムの一括出力
imuyaoti
【Unity道場】ゲーム制作に使う数学を学習しよう
【Unity道場】ゲーム制作に使う数学を学習しよう
Unity Technologies Japan K.K.
さるでも分かりたい9dofで作るクォータニオン姿勢
さるでも分かりたい9dofで作るクォータニオン姿勢
ytanno
K010 appstat201201
K010 appstat201201
t2tarumi
ggplot2 110129
ggplot2 110129
Takashi Minoda
CG2013 07
CG2013 07
shiozawa_h
Recomendados
ggplot2 110129
ggplot2 110129
Takashi Minoda
ggplot2再入門(2015年バージョン)
ggplot2再入門(2015年バージョン)
yutannihilation
for関数を使った繰り返し処理によるヒストグラムの一括出力
for関数を使った繰り返し処理によるヒストグラムの一括出力
imuyaoti
【Unity道場】ゲーム制作に使う数学を学習しよう
【Unity道場】ゲーム制作に使う数学を学習しよう
Unity Technologies Japan K.K.
さるでも分かりたい9dofで作るクォータニオン姿勢
さるでも分かりたい9dofで作るクォータニオン姿勢
ytanno
K010 appstat201201
K010 appstat201201
t2tarumi
ggplot2 110129
ggplot2 110129
Takashi Minoda
CG2013 07
CG2013 07
shiozawa_h
130727 nagoyar presentation
130727 nagoyar presentation
Takayuki Nuimura
KETpic できれいな図を書こう
KETpic できれいな図を書こう
Yoshitomo Akimoto
CG2013 06
CG2013 06
shiozawa_h
CG2013 03
CG2013 03
shiozawa_h
魅せる・際立つ・役立つグラフ Hands on!! ggplot2!! ~導入編~
魅せる・際立つ・役立つグラフ Hands on!! ggplot2!! ~導入編~
MrUnadon
Incanterの紹介
Incanterの紹介
mozk_
CG2013 02
CG2013 02
shiozawa_h
動的計画法
動的計画法
京大 マイコンクラブ
CG2013 05
CG2013 05
shiozawa_h
ラビットチャレンジレポート 深層学習Day3
ラビットチャレンジレポート 深層学習Day3
ssuserf4860b
OpenCV affine matrix operation
OpenCV affine matrix operation
grantkobe
【Unity道場スペシャル 2017京都】乱数完全マスター 京都編
【Unity道場スペシャル 2017京都】乱数完全マスター 京都編
Unity Technologies Japan K.K.
【DBDA勉強会2013】Doing Bayesian Data Analysis Chapter 9: Bernoulli Likelihood wit...
【DBDA勉強会2013】Doing Bayesian Data Analysis Chapter 9: Bernoulli Likelihood wit...
Koji Yoshida
【Unity道場 2月】シェーダを書けるプログラマになろう
【Unity道場 2月】シェーダを書けるプログラマになろう
Unity Technologies Japan K.K.
HistoPyramid Stream Compaction
HistoPyramid Stream Compaction
dasyprocta
SICP
SICP
S W
Data Analysis - Chapter two
Data Analysis - Chapter two
Kousuke Takeuhi
明日使えないすごいビット演算
明日使えないすごいビット演算
京大 マイコンクラブ
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
KMLとR言語
KMLとR言語
文彦 牧山
東大生向けデータ解析講座 第2回 2017/12/29
東大生向けデータ解析講座 第2回 2017/12/29
西岡 賢一郎
大規模グラフアルゴリズムの最先端
大規模グラフアルゴリズムの最先端
Takuya Akiba
Más contenido relacionado
La actualidad más candente
130727 nagoyar presentation
130727 nagoyar presentation
Takayuki Nuimura
KETpic できれいな図を書こう
KETpic できれいな図を書こう
Yoshitomo Akimoto
CG2013 06
CG2013 06
shiozawa_h
CG2013 03
CG2013 03
shiozawa_h
魅せる・際立つ・役立つグラフ Hands on!! ggplot2!! ~導入編~
魅せる・際立つ・役立つグラフ Hands on!! ggplot2!! ~導入編~
MrUnadon
Incanterの紹介
Incanterの紹介
mozk_
CG2013 02
CG2013 02
shiozawa_h
動的計画法
動的計画法
京大 マイコンクラブ
CG2013 05
CG2013 05
shiozawa_h
ラビットチャレンジレポート 深層学習Day3
ラビットチャレンジレポート 深層学習Day3
ssuserf4860b
OpenCV affine matrix operation
OpenCV affine matrix operation
grantkobe
【Unity道場スペシャル 2017京都】乱数完全マスター 京都編
【Unity道場スペシャル 2017京都】乱数完全マスター 京都編
Unity Technologies Japan K.K.
【DBDA勉強会2013】Doing Bayesian Data Analysis Chapter 9: Bernoulli Likelihood wit...
【DBDA勉強会2013】Doing Bayesian Data Analysis Chapter 9: Bernoulli Likelihood wit...
Koji Yoshida
【Unity道場 2月】シェーダを書けるプログラマになろう
【Unity道場 2月】シェーダを書けるプログラマになろう
Unity Technologies Japan K.K.
HistoPyramid Stream Compaction
HistoPyramid Stream Compaction
dasyprocta
SICP
SICP
S W
Data Analysis - Chapter two
Data Analysis - Chapter two
Kousuke Takeuhi
明日使えないすごいビット演算
明日使えないすごいビット演算
京大 マイコンクラブ
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
KMLとR言語
KMLとR言語
文彦 牧山
La actualidad más candente
(20)
130727 nagoyar presentation
130727 nagoyar presentation
KETpic できれいな図を書こう
KETpic できれいな図を書こう
CG2013 06
CG2013 06
CG2013 03
CG2013 03
魅せる・際立つ・役立つグラフ Hands on!! ggplot2!! ~導入編~
魅せる・際立つ・役立つグラフ Hands on!! ggplot2!! ~導入編~
Incanterの紹介
Incanterの紹介
CG2013 02
CG2013 02
動的計画法
動的計画法
CG2013 05
CG2013 05
ラビットチャレンジレポート 深層学習Day3
ラビットチャレンジレポート 深層学習Day3
OpenCV affine matrix operation
OpenCV affine matrix operation
【Unity道場スペシャル 2017京都】乱数完全マスター 京都編
【Unity道場スペシャル 2017京都】乱数完全マスター 京都編
【DBDA勉強会2013】Doing Bayesian Data Analysis Chapter 9: Bernoulli Likelihood wit...
【DBDA勉強会2013】Doing Bayesian Data Analysis Chapter 9: Bernoulli Likelihood wit...
【Unity道場 2月】シェーダを書けるプログラマになろう
【Unity道場 2月】シェーダを書けるプログラマになろう
HistoPyramid Stream Compaction
HistoPyramid Stream Compaction
SICP
SICP
Data Analysis - Chapter two
Data Analysis - Chapter two
明日使えないすごいビット演算
明日使えないすごいビット演算
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
KMLとR言語
KMLとR言語
Similar a Tsukuba
東大生向けデータ解析講座 第2回 2017/12/29
東大生向けデータ解析講座 第2回 2017/12/29
西岡 賢一郎
大規模グラフアルゴリズムの最先端
大規模グラフアルゴリズムの最先端
Takuya Akiba
Kaggleのテクニック
Kaggleのテクニック
Yasunori Ozaki
Omega test and beyond
Omega test and beyond
Masahiro Sakai
[DL輪読会]Differentiable Mapping Networks: Learning Structured Map Representatio...
[DL輪読会]Differentiable Mapping Networks: Learning Structured Map Representatio...
Deep Learning JP
Diagramパッケージを使ってみる
Diagramパッケージを使ってみる
裕樹 奥田
第四回 JavaScriptから始めるプログラミング2016
第四回 JavaScriptから始めるプログラミング2016
kyoto university
dm-writeboost-kernelvm
dm-writeboost-kernelvm
Akira Hayakawa
IbisPaintのOpenGLES2.0
IbisPaintのOpenGLES2.0
Eiji Kamiya
Scrum alliance regional gathering tokyo 2013 pub
Scrum alliance regional gathering tokyo 2013 pub
グロースエクスパートナーズ株式会社/Growth xPartners Incorporated.
Linux女子部第二回勉強会usp友の会
Linux女子部第二回勉強会usp友の会
Ryuichi Ueda
AozoraYomite @InfoTalk 2012/12/21
AozoraYomite @InfoTalk 2012/12/21
Yuki Higuchi
Globally and Locally Consistent Image Completion
Globally and Locally Consistent Image Completion
harmonylab
勉強会資料@335g
勉強会資料@335g
Yoshiki Kudo
Drupal補完計画
Drupal補完計画
Kuniyoshi Tone
【Topotal輪読会】JavaScript で学ぶ関数型プログラミング 2 章
【Topotal輪読会】JavaScript で学ぶ関数型プログラミング 2 章
YOSHIKAWA Ryota
Ruby科学データ処理ツールの開発 NArrayとPwrake
Ruby科学データ処理ツールの開発 NArrayとPwrake
Masahiro Tanaka
how to make twitter list automatically
how to make twitter list automatically
mosa siru
WordBench Kobe jQueryどうでしょう
WordBench Kobe jQueryどうでしょう
Hishikawa Takuro
Similar a Tsukuba
(19)
東大生向けデータ解析講座 第2回 2017/12/29
東大生向けデータ解析講座 第2回 2017/12/29
大規模グラフアルゴリズムの最先端
大規模グラフアルゴリズムの最先端
Kaggleのテクニック
Kaggleのテクニック
Omega test and beyond
Omega test and beyond
[DL輪読会]Differentiable Mapping Networks: Learning Structured Map Representatio...
[DL輪読会]Differentiable Mapping Networks: Learning Structured Map Representatio...
Diagramパッケージを使ってみる
Diagramパッケージを使ってみる
第四回 JavaScriptから始めるプログラミング2016
第四回 JavaScriptから始めるプログラミング2016
dm-writeboost-kernelvm
dm-writeboost-kernelvm
IbisPaintのOpenGLES2.0
IbisPaintのOpenGLES2.0
Scrum alliance regional gathering tokyo 2013 pub
Scrum alliance regional gathering tokyo 2013 pub
Linux女子部第二回勉強会usp友の会
Linux女子部第二回勉強会usp友の会
AozoraYomite @InfoTalk 2012/12/21
AozoraYomite @InfoTalk 2012/12/21
Globally and Locally Consistent Image Completion
Globally and Locally Consistent Image Completion
勉強会資料@335g
勉強会資料@335g
Drupal補完計画
Drupal補完計画
【Topotal輪読会】JavaScript で学ぶ関数型プログラミング 2 章
【Topotal輪読会】JavaScript で学ぶ関数型プログラミング 2 章
Ruby科学データ処理ツールの開発 NArrayとPwrake
Ruby科学データ処理ツールの開発 NArrayとPwrake
how to make twitter list automatically
how to make twitter list automatically
WordBench Kobe jQueryどうでしょう
WordBench Kobe jQueryどうでしょう
Más de syou6162
自分の目的に合った統計量と そのバラ付きを計算しよう ~NPSを例に~(統計学勉強会)
自分の目的に合った統計量と そのバラ付きを計算しよう ~NPSを例に~(統計学勉強会)
syou6162
オープンセミナー岡山 これから始めるデータ活用
オープンセミナー岡山 これから始めるデータ活用
syou6162
正確な意思決定を阻む 問題・障害との向き合い方
正確な意思決定を阻む 問題・障害との向き合い方
syou6162
カスタマーサクセスのためのデータ整備人の活動記録
カスタマーサクセスのためのデータ整備人の活動記録
syou6162
Mackerel Drink Up #9 ロール内異常検知の正式化
Mackerel Drink Up #9 ロール内異常検知の正式化
syou6162
Mackerelのロール内異常検知の設計と運用
Mackerelのロール内異常検知の設計と運用
syou6162
教師なし学習によるMackerelの異常検知機能について〜設計/運用/評価の観点から〜
教師なし学習によるMackerelの異常検知機能について〜設計/運用/評価の観点から〜
syou6162
機械学習を活用したサービスにおける工夫紹介
機械学習を活用したサービスにおける工夫紹介
syou6162
機械学習を使った趣味サービスにおける工夫紹介
機械学習を使った趣味サービスにおける工夫紹介
syou6162
今日から始める機械学習〜はてなの事例〜
今日から始める機械学習〜はてなの事例〜
syou6162
機械学習を用いたMackerelの異常検知機能について
機械学習を用いたMackerelの異常検知機能について
syou6162
Mackerel Anomaly Detection at PyCon mini Osaka
Mackerel Anomaly Detection at PyCon mini Osaka
syou6162
はてなにおける機械学習の取り組み
はてなにおける機械学習の取り組み
syou6162
はてなにおける機械学習の取り組み
はてなにおける機械学習の取り組み
syou6162
異常検知ナイト LT登壇資料 はてな id:syou6162
異常検知ナイト LT登壇資料 はてな id:syou6162
syou6162
Duolingo.pptx
Duolingo.pptx
syou6162
今日からできる構造学習(主に構造化パーセプトロンについて)
今日からできる構造学習(主に構造化パーセプトロンについて)
syou6162
Kernel20110619
Kernel20110619
syou6162
Optimization In R
Optimization In R
syou6162
Syou6162 Dbcls
Syou6162 Dbcls
syou6162
Más de syou6162
(20)
自分の目的に合った統計量と そのバラ付きを計算しよう ~NPSを例に~(統計学勉強会)
自分の目的に合った統計量と そのバラ付きを計算しよう ~NPSを例に~(統計学勉強会)
オープンセミナー岡山 これから始めるデータ活用
オープンセミナー岡山 これから始めるデータ活用
正確な意思決定を阻む 問題・障害との向き合い方
正確な意思決定を阻む 問題・障害との向き合い方
カスタマーサクセスのためのデータ整備人の活動記録
カスタマーサクセスのためのデータ整備人の活動記録
Mackerel Drink Up #9 ロール内異常検知の正式化
Mackerel Drink Up #9 ロール内異常検知の正式化
Mackerelのロール内異常検知の設計と運用
Mackerelのロール内異常検知の設計と運用
教師なし学習によるMackerelの異常検知機能について〜設計/運用/評価の観点から〜
教師なし学習によるMackerelの異常検知機能について〜設計/運用/評価の観点から〜
機械学習を活用したサービスにおける工夫紹介
機械学習を活用したサービスにおける工夫紹介
機械学習を使った趣味サービスにおける工夫紹介
機械学習を使った趣味サービスにおける工夫紹介
今日から始める機械学習〜はてなの事例〜
今日から始める機械学習〜はてなの事例〜
機械学習を用いたMackerelの異常検知機能について
機械学習を用いたMackerelの異常検知機能について
Mackerel Anomaly Detection at PyCon mini Osaka
Mackerel Anomaly Detection at PyCon mini Osaka
はてなにおける機械学習の取り組み
はてなにおける機械学習の取り組み
はてなにおける機械学習の取り組み
はてなにおける機械学習の取り組み
異常検知ナイト LT登壇資料 はてな id:syou6162
異常検知ナイト LT登壇資料 はてな id:syou6162
Duolingo.pptx
Duolingo.pptx
今日からできる構造学習(主に構造化パーセプトロンについて)
今日からできる構造学習(主に構造化パーセプトロンについて)
Kernel20110619
Kernel20110619
Optimization In R
Optimization In R
Syou6162 Dbcls
Syou6162 Dbcls
Tsukuba
1.
一粒で3回おいしい ggplot2 id:syou6162 Sunday, November 22,
2009
2.
自己紹介 • id:syou6162 • 吉田康久 •
筑波大学の院生(M1) • 専門は自然言語処理と機械学習 Sunday, November 22, 2009
3.
近況 • 7月にNAISTに合格 =>
来年から奈良へ • 8月ははてなにインターン • スパムフィルタを作った Sunday, November 22, 2009
4.
Rユーザー会の告知!! • wikiを見て! • http://www.okada.jp.org/RWiki/?R %B7%C7%BC%A8%C8%C4#i3afa741 •
Tsukuba.Rの活動のことも少し紹介させ てもらいます Sunday, November 22, 2009
5.
ここから本題 Sunday, November 22,
2009
6.
まとめ • きれい • 統一的なplotの考え方を与えてくれる •
使いこなしていると、統計解析の基礎 が身についている Sunday, November 22, 2009
7.
graphic関係の発表 • id:wakuteka(Tsukuba.R#1) • Happy
Graphics! • id:syou6162(Tsukuba.R#2) • もうちょっと高度なグラフィックス特集 • id:mickey24(Tsukuba.R#5) • Animation with R Sunday, November 22, 2009
8.
Rのグラフィックス • baseパッケージにある関数群 • 高水準作図関数 •
低水準作図関数 • 対話的作図関数 • latticeパッケージ • animationパッケージ Sunday, November 22, 2009
9.
高水準作図関数 Sunday, November 22,
2009
10.
低水準作図関数 Sunday, November 22,
2009
11.
library(base) • 低水準、高水準ともにbaseパッケージ • 具体的なデータでもって、この関数た ちで遊んでみる Sunday,
November 22, 2009
12.
library(MASS) • quineというデータ • オーストラリアの子供の学校の欠席日 数 •
性別、年代などなどの因子データ Sunday, November 22, 2009
13.
年代別でhistgram(1) Sunday, November 22,
2009
14.
年代別でhistgram(2) par(mfrow=c(2,2)) hist(quine$Days[quine$Age == "F0"]) hist(quine$Days[quine$Age
== "F1"]) hist(quine$Days[quine$Age == "F2"]) hist(quine$Days[quine$Age == "F3"]) Sunday, November 22, 2009
15.
問題点 • 因子の数が増えてくると面倒 • 横軸のメモリが微妙に違うので比較が しづらい(かもしれない) Sunday,
November 22, 2009
16.
無理やり頑張る... Sunday, November 22,
2009
17.
改造後 Sunday, November 22,
2009
18.
うーむ。。。 age <- c("F0",
"F1", "F2", "F3") for(i in 1:4) { plot(density(quine$Days[quine$Age == age[i]]), col=i, lwd=3, xlim=c(-20, 80), ylim=c(0, 0.08), main="", xlab="", ylab="") par("new"=TRUE) } title("Density of days in each age") legend(40, 0.06, age, lwd=3, col=1:4) Sunday, November 22, 2009
19.
そこでggplotですよ!! Sunday, November 22,
2009
20.
ggplotを使うと…!! Sunday, November 22,
2009
21.
ぷろぐらむ 透過の割合!! library(ggplot2) q <- ggplot(quine,
aes(Days, fill = Age)) q <- q + geom_density(alpha = 0.3) print(q) Sunday, November 22, 2009
22.
histgramのほうも!! q <- ggplot(quine,
aes(Days)) q <- q + geom_histogram(binwidth = 10) q <- q + facet_grid( ~ Age) print(q) Sunday, November 22, 2009
23.
改変版histgram Sunday, November 22,
2009
24.
条件を増やしても Sunday, November 22,
2009
25.
ちょっと変えるだけ q <- ggplot(quine,
aes(Days)) q <- q + geom_histogram(binwidth = 10) q <- q + facet_grid(Sex ~ Age) print(q) Sunday, November 22, 2009
26.
疑問 • たまたまそういう関数があるだけ? • こういうのいくつも覚えないといけな いの? •
他のパッケージではどうなのか • →library(lattice) Sunday, November 22, 2009
27.
一応書ける... Sunday, November 22,
2009
28.
latticeパッケージ library(lattice) histogram(~Days | Age,
data=quine) Sunday, November 22, 2009
29.
統一性.. • 個々の関数はそれなりの数、用意され ている • やりたいことごとに調べないといけな い→統一性、一貫性がないorz Sunday,
November 22, 2009
30.
パッケージ間の比較 base lattice ggplot 自動的に凡例 (カテゴリなどで)条件付 けが容易 複数のデータセットを使 うのが容易 段階的にplotを完成させ るスタイル 拡張が容易か 使用する関数の一貫性 ディフォルトのplotが魅 力的なものか ×
×/○ ○ × ○ ○ ○ × ○ ○ × ○ × × ○ × × ○ × × ○ Sunday, November 22, 2009
31.
一貫性? • ggplotの中の人は「plotするのに必要な 構成要素は何か」について考えた Sunday, November
22, 2009
32.
構成要素 • 各軸と実際のデータとの対応付け(aes) • どういう統計処理を使うか(例
: 平滑化) • データをどのようにplotするか(例 : 散布図) • グラフをどう配置するか ggplotのreference manualを見よう!! Sunday, November 22, 2009
33.
Components • Geoms • Statistics •
Scales • Coordinate systems • Faceting • Position adujstments • 注意→MECEになっているわけではない Sunday, November 22, 2009
34.
要素を構成する • さっきの構成要素は全て”layerオブジェ クト”を返す関数 • レイヤーという考え方でくっつけてい く!! Sunday,
November 22, 2009
35.
ggplotの基本 => layer •
Photoshopのレイヤーとかと似たような もの • レイヤー(層)を重ねていく • “Statistics”などもlayerを返す http://retouch-weblab.com/kennkyuu/layer/layer1.html Sunday, November 22, 2009
36.
layerを重ねる(1) • q <-
ggplot(mtcars, aes(qsec, wt)) • (ggplotのオブジェクトが生成されるだけ で、plotはまだされない。) Sunday, November 22, 2009
37.
layerを重ねる(2) • q <-
q + stat_smooth() • print(q) Sunday, November 22, 2009
38.
layerを重ねる(3) • q <-
q + geom_point() • print(q) • さっきのレイヤーに dotのレイヤーを重ね ている! Sunday, November 22, 2009
39.
余談 • “+”というのはどういう風に定義されている のか? • ggplotオブジェクトについて再定義 •
"%+%" <- `+.ggplot`とか • ggplot2/R/plot-construction.rに定義がある Sunday, November 22, 2009
40.
ヒストグラム • Geom:bar • Stat:bin •
Scale:liner • Coordinate system:Cartesian http://had.co.nz/ggplot2/resources/2007-vanderbilt.pdf Sunday, November 22, 2009
41.
散布図 • Geom:point • Stat:identity •
Scale:liner • Coordinate system:Cartesian http://had.co.nz/ggplot2/resources/2007-vanderbilt.pdf Sunday, November 22, 2009
42.
さっきの例 Sunday, November 22,
2009
43.
どのlayerを使ってい るでしょう? Sunday, November 22,
2009
44.
さっきの例 q <- ggplot(mtcars, aes(qsec,
wt)) # geomsのレイヤー q <- q + geom_point() # statisticsのレイヤー q <- q + stat_smooth() print(q) Sunday, November 22, 2009
45.
もう少し複雑な例で • kNN method(k近傍法) •
データを分類する方法の一つ • 自分の周りのk個のデータの多数決で、 どのラベルか判断する Sunday, November 22, 2009
46.
kNN Sunday, November 22,
2009
47.
k = 1 Sunday,
November 22, 2009
48.
prob.c.k.given.x <- function(x,y,k,data){
x1 <- data$x1; x2 <- data$x2 o <- rank(mapply(function(X1,X2){sqrt((X1-x)^2 + (X2- y)^2)},x1,x2)) k.k <- sum(data$class[seq(length(o))[o <= k]] == "r") return(k.k / k) } s <- seq(0, 1, length.out=100) result <- as.data.frame(expand.grid(s, s)) result <- cbind(result, apply(result, 1, function(col) { x <- col[1]; y <- col[2] prob.c.k.given.x(x, y, 1, d) })) colnames(result) <- c("x", "y", "probability") q <- ggplot(result, aes(x = x, y = y)) q <- q + geom_tile(aes(xmin = x, xmax = x + 0.01, ymin = y, ymax = y + 0.01, fill = probability), alpha = 0.1) q <- q + geom_point(data = d, size = 2, aes(x = x1, y = x2, color = factor(class))) q <- q + scale_fill_gradient(low="red", high="blue") print(q) プログラム Sunday, November 22, 2009
49.
point q <- ggplot(result,
aes(x = x, y = y)) # geomsのレイヤー q <- q + geom_tile(aes(xmin = x, xmax = x + 0.01, ymin = y, ymax = y + 0.01, fill = probability), alpha = 0.1) # geomsのレイヤー q <- q + geom_point(data = d, size = 2, aes(x = x1, y = x2, color = factor(class))) # scalesのレイヤー q <- q + scale_fill_gradient(low="red", high="blue") print(q) Sunday, November 22, 2009
50.
kを変化させてみる Sunday, November 22,
2009
51.
必要なレイヤーは どれ? Sunday, November 22,
2009
52.
答え => Faceting q
<- q + facet_grid(k ~ .) Sunday, November 22, 2009
53.
副産物 • ggplotの使い方、考え方はこんな感じ • しかし、使っていくなかで副産物が出 てくる(ように思う) •
統計解析の基礎!! Sunday, November 22, 2009
54.
まとめ • plotにまつわる面倒なところを隠してくれる • しかも、統一的な考え方で扱える •
「やりたいことは構成要素のどれでできる か?」 • レイヤーを重ねていく • 使っているうちに統計解析の基礎が身に付く Sunday, November 22, 2009
55.
参考 • http://had.co.nz/ggplot2/ • http://had.co.nz/ggplot2/resources/2007- vanderbilt.pdf •
http://en.wordpress.com/tag/ggplot2/ • http://ito-hi.blog.so-net.ne.jp/tag/ggplot2 • http://d.hatena.ne.jp/ Rion778/20091025/1256508686 Sunday, November 22, 2009
56.
Special Thanks • @nozmaさんに95%くらいのことは教え てもらいました •
ありがとう!! Sunday, November 22, 2009
57.
ご静聴ありがとうご ざいました Sunday, November 22,
2009
58.
FAQ Sunday, November 22,
2009
59.
重くないですか? • かなり重いですorz • スペックが低いマシンだと厳しいかも しれない Sunday,
November 22, 2009
60.
背景変えられる? • 変えられます • see
http://groups.google.com/group/ ggplot2/browse_thread/thread/ beff7d92f05dc741 Sunday, November 22, 2009
61.
Sunday, November 22,
2009
Descargar ahora