第50回 Tokyo.Rでggplot2逆引きプロジェクトについてLTしてきました。（50回おめでとうございます！） 押してダメなら引いてみろ！ ggplot2逆引きプロジェクト from yutannihilation www.slideshare.net ggplot2逆引きとは ggplot2についての知見を集約していこう、みたいな感じのプロジェクト？です。 具体的には、Qiitaに#ggplot2逆引きというタグで記事を投稿しています。（しています、って書きましたが私はまだしていません…。貢献できてなくてすみません）。StackOverflowのggplot2のタグとか、Rについての分からないことをなんでも質問できる場所・Rワカラングでのやりとりとかにいろんな知見が溜まっているので、それをどこかにまとめていこう、という取り組みです。 ggplot2で分からないことがあれば、ぜひRワ
The R code for estimating a VAR-LiNGAM (Vector Autoregressive Linear Non-Gaussian Acyclic Model) is provided on this page. It can be used to estimate such a model from own data. Sample applications on economic data using this code were given in the paper A. Moneta, D. Entner, P.O. Hoyer, and A. Coad; Causal Inference by Independent Component Analysis: Theory and Applications (OBES 2013). Software
はじめに 4月ということで、新卒が入ってきたりRを使ったことないメンバーがJOINしたりしたので、 超便利なdplyrの使い方を何回かに分けてまとめて行きます。 Rは知らないけど、SQLとか他のプログラミング言語はある程度やったことあるみたいな人向けです。 dplyrを使いこなす！シリーズ 基礎編以外も書きましたので、↓からどうぞ。 dplyrを使いこなす！Window関数編 dplyrを使いこなす！JOIN編 dplyrとは データフレームの操作に特化したパッケージです。 Rは基本的に処理速度はあまり早くないですが、dplyrはC++で書かれているのでかなり高速に動作します。 ソースの可読性もよくなるので、宗教上の理由で禁止されている人以外は使うメリットは大きいです。 処理可能なデータサイズの目安 あくまでも個人の環境に強く依存した感覚値ですが、1000万行、100MBぐらいのデータサイ
ヒートマップをインタラクティブに操作する「d3heatmap」パッケージがリリースされました。本パッケージのメインコマンド”d3heatmap”はgplotsの「heatmap.2」コマンドと多くが共通しているので、これらパッケージの使用経験があるとすぐに使いこなせると思います。 ためしに本パッケージより「400*50の20,000データ」を出力したところ、多少のモタつきはありますがぐりぐり動きました。サーバー経由でなければ一般的な使用方法には十分かと思います。なお、距離の計算は搭載メモリに依存しますのでデータ数は使用環境により異なります。 また、紹介する出力結果は利便性を考えて「50*10の500データ」としています。最下部に表示しています。ぐりぐり動かしてみてください。 Rを使用し始めたころから考えると、これほど多くのインタラクティブな結果を出力するパッケージがリリースされるとは思って
googleVis examples Markus Gesmann and Diego de Castillo 2024-05-25 1 Demonstration of googleVis It may take a little while to load all charts. Please be patient. All charts require an Internet connection. These examples are taken from the googleVis demo. You can execute the demo via library(googleVis) demo(googleVis) For more details about the charts and further examples see the help files of the
知っていると便利かもしれない小技から，どーでもいい小技まで．ググったサンプルをコピペして完了！系大学院生が読むと，何か新しい発見があるかもしれません．使わなさ（当社比）を４段階（☆☆☆，★☆☆，★★☆，★★★）で表記しますので，ああ確かに知らなくていいなって思ってください．新しい技を仕入れ次第，更新します． 多次元データへのアクセス 次元を落とさない 使わなさ：☆☆☆（そこそこ役に立つ） デフォルト設定では，行列や配列の一部分にアクセスした場合，その戻り値はできる限り次元を落としたものになります（次元を落とすことを「ドロップする」と言うことにします）．データフレームでも同様です． > x <- array(1:1000, c(10, 10, 10)) > class(x[1, 1, 1]) # 3次元配列 → 要素数1のベクトル（スカラ） [1] "integer" > class(x[1
I’ve decided to move on from my old Stats and things blog and host my own.
※この記事は R Advent Calendar 2014 : ATND の 22 日目の記事です。 0. この記事の要約 R の foreach パッケージを改良して、デフォルトで並列計算するようにしたパッケージ pforeach を作りました。 pforeach - Easy to parallel processing in R これにより、R での並列計算を下記のようにシンプルに書くことができます。 library(pforeach) pforeach(i = 1:100)({ i ** 2 }) これは、従来の foreach で次のように書いたものと同じ動作をします。 library(foreach) library(doParallel) cl <- makeCluster(detectCores()) registerDoParallel(cl) foreach(i = 1
Armadillo: C++ linear algebra library あっ, どーも僕です. 数あるRcpp系パッケージのなかでRcppArmadilloを少し勉強したのでまとめます. RcppArmadilloによりRcpp経由で, C++ライブラリのArmadilloを使用できます. 以下にRcppArmadilloの機能をまとめます. ただし, 内容はRcppArmadilloの機能に絞ったものです. また, 複素や疎行列に関しては少し省いています. アルマジロその1. 行列操作編 - サボタージュ禁止のおさぼり日記 アルマジロその2. 演算編 - サボタージュ禁止のおさぼり日記 アルマジロその3. 線形代数編 - サボタージュ禁止のおさぼり日記 Rcppそのものの使い方は下に載せた参考文献にあたってください. なお, 私も勉強中ですので間違いに気づいていない場合があります.
6. gibbsR <- function(N,thin){ mat<-matrix(0,nrow=N,ncol=2) x <- 0 y <- 0 for(i in 1:N){ for(j in 1:thin){ x <- rgamma(1, 3, 1/(y*y+4)) y <- rnorm(1, 1/(x+1), 1/sqrt(2*x+2)) } mat[i,] <- c(x,y) } return(mat) } Rのコード例 ギブスサンプラー ついでに cmpfun でコンパイルしてみる gibbsC <- compiler::cmpfun(gibbsR) 7. Rcppのコード例 #include <Rcpp.h> using namespace Rcpp; ←これを書くとRcpp::は書かなくて良い // [[Rcpp::export]] ←この直下の関数がRに読み込まれる Rcp
Private content!This content has been marked as private by the uploader.
はじめに MNISTで全然うまく行かないことが発覚したので、最適化を調べ中きちんと動きました。 学部四年生向け。だった。 ニューラルネットワーク →（AutoEncoder） →（DenoisingAutoEncoder） →ホップフィールドネットワーク →ボルツマンマシン →Restrictedボルツマンマシン（この記事） →（Gaussian Binary - Restricted Boltzmann Machines） →（DeepBeliefNetwork） →（DeepNeuralNetworks） →畳み込みニューラルネット（後日） 太線以外は読み飛ばしてOK Restricted Boltzmann Machines（RBM）をとりあえず使ってみる RBMには、ホップフィールドネットワークという前身がある。 できることは、それと同じである。 即ち、RBMとは、脳的なもの（マル
はじめに 学部四年生向け。 ゼロから始めるDeepLearning_その1_ニューラルネットとは - 分からんこと多すぎ →（Auto Encoder） →（Denoising AutoEncoder） →ホップフィールドネットワーク（この記事） →ゼロから始めるDeepLearning_その3_ボルツマンマシンとは - 分からんこと多すぎ →Restricted ボルツマンマシン（後日） →（Gaussian Binary - Restricted Boltzmann Machines） →（Deep Belief Networks） →（Deep Neural Networks） →畳み込みニューラルネット（後日） 太線以外は読み飛ばしてOK 知識に乏しく深く踏み込めなかったので、間違ってたらごめんなさい。 参考図書 An Introduction to Restricted Bolt
対象とする人 ディープラーニングすごい！ ←聞き飽きた チュートリアルあるよ！ ←ふわっとしすぎて具体的なところが分からん こういう論文あるよ！ ←読めるわけないだろ そういう人向け。（たぶん学部四年程度向け） ニューラルネット初学者が、書ききるまで怪しいところ満載でも突っ走ります。 ニューラルネット（この記事） →（AutoEncoder） →（DenoisingAutoEncoder） →ホップフィールドネットワーク →ボルツマンマシン →Restrictedボルツマンマシン →（Gaussian Binary - Restricted Boltzmann Machines） →（DeepBeliefNetwork） →（DeepNeuralNetworks） →畳み込みニューラルネット（後日） までやる。 太線以外は読み飛ばしてOK 本文中では怖い式は使わない。（Appendixに書
Debug in R #4: Post-Mortem Debugging
エラーが出ちゃったあとにデバッグする 今までのやり方は、前もってデバッグを仕込んでおいて、動作を確認する、という感じなので、デバッグすべき場所が分かっていることが前提だった。だけど多くの場合、「エラーどこで起こってんのー」と、死んだあと（post-morten）にデバッグしたいことが多々ある。 デフォルトではRはエラーがどこで起こったか非常に分かりづらいんだけど、post-morten debuggingが簡単にできる方法が幾つかある。 tracebackでエラーまでのコールスタックをたどる。 option(error)をいじってエラーをデバッグのトリガーにする。 上と似てるけど、dump.frameとdebuggerを組み合わせて、天国からデバッグする。 おまけ 1. tracebackでエラーをたどる。 デバッグというより、エラーが起こった場所を特定するのに使える。個人的にはよく使う。
R: Interactive 3D WebGL plot of time-space cube with RGL
With the recently relased version of the package RGL (V. 0.92.879) there is a new option to publish 3D plots as an interactive WebGL graphic. Nearly every 3D plot you set up in a RGL window can be exportet via a very easy command. Just plot as usual into your rgl device and then use the command “writeWebGL()”. Click to open the TimeSpace Cube WebGL Plot Time Space Cube sample: Dependable on your h
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
