Publicidad
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」
Denunciar
tokyorgirlsSeguir
22 de Jul de 2014•0 recomendaciones•1,303 vistas
4 recomendaciones
Sé el primero en que te guste
ver más
vistas
Total de vistas
0
En Slideshare
0
De embebidos
0
Número de embebidos
0
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」
22 de Jul de 2014•0 recomendaciones•1,303 vistas
4 recomendaciones
Sé el primero en que te guste
ver más
vistas
Total de vistas
0
En Slideshare
0
De embebidos
0
Número de embebidos
0
Descargar para leer sin conexión
Denunciar
Datos y análisis
2014/07/12 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」by @a_macbee
tokyorgirlsSeguir
Publicidad
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」
- で始める データ解析の超基礎 Tokyo.R 女子部 #4 @a_macbee
- @a_macbee is 誰
- @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
- 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
- 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
- 本日の資料 https://github.com/amacbee/tokyorgirls Download → 解凍 20140712/ 以下に あります
- ヒストグラム について学びます
- 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
- 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！
- 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$Price)
- 何はともあれやってみる ! # データの読み込み data.path = /path/to/file/ramen_prices.txt data.frame <- read.table(data.path, header=TRUE, sep= ,') ! # データの中身の確認 head(data.frame) ! # ラーメンの値段の平均 mean(data.frame$Price) データを読み込んで data.frameに入れる
- 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$Price) head()で囲むと データの上から 6行くらいを表示
- 何はともあれやってみる ! # データの読み込み data.path = /path/to/file/ramen_prices.txt data.frame <- read.table(data.path, header=TRUE, sep= ,') ! # データの中身の確認 head(data.frame) ! # ラーメンの値段の平均 mean(data.frame$Price) mean()で囲むと データの 平均値を表示
- 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$Price)) + geom_histogram(binwidth=100) ! ! ! ! ! !
- こんなのが 出るはず
- 750 650 850 950 550 ラーメンの 平均的な値段は 750円くらい
- 何はともあれやってみる ! # ラーメンの値段のヒストグラム ggplot(data.frame, aes(x=data.frame$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
- ヒストグラムの 良いところ
- 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)
- 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)
- 平均点は？ どちらも同じくらい A組： 約51点 B組： 約50点
- ヒストグラムは？
- A 組
- B 組
- 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
- 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
- binwidth に注意
- 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
- ! # 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)
- binの幅が 広すぎる ＝過剰な平滑化 binwidth=5
- binの幅が 小さすぎる ＝平滑化の不足 binwidth=0.001
- binwidth=1
- 滑らか binwidth=1
- 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
- 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
- おまけ2（Rの高度な機能） 男女で 分けてみたり
- ! 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！
- ! 参考図書.2 入門 機械学習 / D., Conway ! http://goo.gl/0zNev ! ※かなり難しい！
- Thank you!
Publicidad