Submit Search
Upload
PypeRで実験と分析を一本化する
•
5 likes
•
4,216 views
Takashi Yamane
Follow
Hijiyama.R#4での発表資料です。
Read less
Read more
Data & Analytics
Report
Share
Report
Share
1 of 11
Download now
Download to read offline
Recommended
Anova君を使った分散分析
Anova君を使った分散分析
Takashi Yamane
不均衡データのクラス分類
不均衡データのクラス分類
Shintaro Fukushima
ベイズファクターとモデル選択
ベイズファクターとモデル選択
kazutantan
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
最適化超入門
最適化超入門
Takami Sato
負の二項分布について
負の二項分布について
Hiroshi Shimizu
心理学者のためのGlmm・階層ベイズ
心理学者のためのGlmm・階層ベイズ
Hiroshi Shimizu
『バックドア基準の入門』@統数研研究集会
『バックドア基準の入門』@統数研研究集会
takehikoihayashi
Recommended
Anova君を使った分散分析
Anova君を使った分散分析
Takashi Yamane
不均衡データのクラス分類
不均衡データのクラス分類
Shintaro Fukushima
ベイズファクターとモデル選択
ベイズファクターとモデル選択
kazutantan
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
最適化超入門
最適化超入門
Takami Sato
負の二項分布について
負の二項分布について
Hiroshi Shimizu
心理学者のためのGlmm・階層ベイズ
心理学者のためのGlmm・階層ベイズ
Hiroshi Shimizu
『バックドア基準の入門』@統数研研究集会
『バックドア基準の入門』@統数研研究集会
takehikoihayashi
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
Stanコードの書き方 中級編
Stanコードの書き方 中級編
Hiroshi Shimizu
機械学習のためのベイズ最適化入門
機械学習のためのベイズ最適化入門
hoxo_m
機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明
Satoshi Hara
Skip Connection まとめ(Neural Network)
Skip Connection まとめ(Neural Network)
Yamato OKAMOTO
ANOVA君とanovatan
ANOVA君とanovatan
Takashi Yamane
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
Takashi Yamane
Stan超初心者入門
Stan超初心者入門
Hiroshi Shimizu
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
Takashi J OZAKI
ブラックボックス最適化とその応用
ブラックボックス最適化とその応用
gree_tech
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
Akira Masuda
ベルヌーイ分布からベータ分布までを関係づける
ベルヌーイ分布からベータ分布までを関係づける
itoyan110
【DL輪読会】Implicit Behavioral Cloning
【DL輪読会】Implicit Behavioral Cloning
Deep Learning JP
Deep Learning Lab 異常検知入門
Deep Learning Lab 異常検知入門
Shohei Hido
心理学におけるオープンサイエンス入門(OSF&PsyArXiv編)
心理学におけるオープンサイエンス入門(OSF&PsyArXiv編)
daiki hojo
5分でわかるかもしれないglmnet
5分でわかるかもしれないglmnet
Nagi Teramo
機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)
Satoshi Hara
ベイズ統計学の概論的紹介
ベイズ統計学の概論的紹介
Naoki Hayashi
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Hiroshi Shimizu
DSIRNLP#1 ランキング学習ことはじめ
DSIRNLP#1 ランキング学習ことはじめ
sleepy_yoshi
がんばろう!はじめてのDnn!
がんばろう!はじめてのDnn!
Shushi Namba
ggplot2用例集 入門編
ggplot2用例集 入門編
nocchi_airport
More Related Content
What's hot
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
Stanコードの書き方 中級編
Stanコードの書き方 中級編
Hiroshi Shimizu
機械学習のためのベイズ最適化入門
機械学習のためのベイズ最適化入門
hoxo_m
機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明
Satoshi Hara
Skip Connection まとめ(Neural Network)
Skip Connection まとめ(Neural Network)
Yamato OKAMOTO
ANOVA君とanovatan
ANOVA君とanovatan
Takashi Yamane
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
Takashi Yamane
Stan超初心者入門
Stan超初心者入門
Hiroshi Shimizu
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
Takashi J OZAKI
ブラックボックス最適化とその応用
ブラックボックス最適化とその応用
gree_tech
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
Akira Masuda
ベルヌーイ分布からベータ分布までを関係づける
ベルヌーイ分布からベータ分布までを関係づける
itoyan110
【DL輪読会】Implicit Behavioral Cloning
【DL輪読会】Implicit Behavioral Cloning
Deep Learning JP
Deep Learning Lab 異常検知入門
Deep Learning Lab 異常検知入門
Shohei Hido
心理学におけるオープンサイエンス入門(OSF&PsyArXiv編)
心理学におけるオープンサイエンス入門(OSF&PsyArXiv編)
daiki hojo
5分でわかるかもしれないglmnet
5分でわかるかもしれないglmnet
Nagi Teramo
機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)
Satoshi Hara
ベイズ統計学の概論的紹介
ベイズ統計学の概論的紹介
Naoki Hayashi
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Hiroshi Shimizu
DSIRNLP#1 ランキング学習ことはじめ
DSIRNLP#1 ランキング学習ことはじめ
sleepy_yoshi
What's hot
(20)
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
Stanコードの書き方 中級編
Stanコードの書き方 中級編
機械学習のためのベイズ最適化入門
機械学習のためのベイズ最適化入門
機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明
Skip Connection まとめ(Neural Network)
Skip Connection まとめ(Neural Network)
ANOVA君とanovatan
ANOVA君とanovatan
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
Stan超初心者入門
Stan超初心者入門
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
ブラックボックス最適化とその応用
ブラックボックス最適化とその応用
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
ベルヌーイ分布からベータ分布までを関係づける
ベルヌーイ分布からベータ分布までを関係づける
【DL輪読会】Implicit Behavioral Cloning
【DL輪読会】Implicit Behavioral Cloning
Deep Learning Lab 異常検知入門
Deep Learning Lab 異常検知入門
心理学におけるオープンサイエンス入門(OSF&PsyArXiv編)
心理学におけるオープンサイエンス入門(OSF&PsyArXiv編)
5分でわかるかもしれないglmnet
5分でわかるかもしれないglmnet
機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)
ベイズ統計学の概論的紹介
ベイズ統計学の概論的紹介
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
DSIRNLP#1 ランキング学習ことはじめ
DSIRNLP#1 ランキング学習ことはじめ
Viewers also liked
がんばろう!はじめてのDnn!
がんばろう!はじめてのDnn!
Shushi Namba
ggplot2用例集 入門編
ggplot2用例集 入門編
nocchi_airport
Mendeleyで簡単! 論文管理
Mendeleyで簡単! 論文管理
Takashi Yamane
要因計画データに対するベイズ推定アプローチ
要因計画データに対するベイズ推定アプローチ
Takashi Yamane
信号検出理論 (『実践ベイズモデリング』15章)
信号検出理論 (『実践ベイズモデリング』15章)
Takashi Yamane
Osaka.stan#4 chap8
Osaka.stan#4 chap8
Takashi Yamane
Viewers also liked
(6)
がんばろう!はじめてのDnn!
がんばろう!はじめてのDnn!
ggplot2用例集 入門編
ggplot2用例集 入門編
Mendeleyで簡単! 論文管理
Mendeleyで簡単! 論文管理
要因計画データに対するベイズ推定アプローチ
要因計画データに対するベイズ推定アプローチ
信号検出理論 (『実践ベイズモデリング』15章)
信号検出理論 (『実践ベイズモデリング』15章)
Osaka.stan#4 chap8
Osaka.stan#4 chap8
Similar to PypeRで実験と分析を一本化する
Rブートキャンプ
Rブートキャンプ
Kosuke Sato
Rでダイエット
Rでダイエット
Tatsuya Tojima
S06 t1 python学習奮闘記#4
S06 t1 python学習奮闘記#4
Takeshi Akutsu
TokyoR101_BeginnersSession1.pdf
TokyoR101_BeginnersSession1.pdf
kotora_0507
弁理士が知っておきたいPython①
弁理士が知っておきたいPython①
Tajima Ryosuke
LLoT ランゲージアップデート Python
LLoT ランゲージアップデート Python
hirokiky
PyPy 紹介
PyPy 紹介
shoma h
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識 第3版
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識 第3版
Katsuhiro Morishita
Why python
Why python
Mikio Kubo
R超入門
R超入門
Sachiko Hirata
統計用言語Rの使い方
統計用言語Rの使い方
Ak Ok
Why python
Why python
Mikio Kubo
S08 t0 orientation
S08 t0 orientation
Takeshi Akutsu
Pythonによる画像処理について
Pythonによる画像処理について
Yasutomo Kawanishi
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
Katsuhiro Morishita
Rの導入とRStudio事始め(改訂版)
Rの導入とRStudio事始め(改訂版)
Takashi Yamane
Rはいいぞ!むしろなぜ使わないのか!!
Rはいいぞ!むしろなぜ使わないのか!!
Shushi Namba
Django_fukuoka
Django_fukuoka
ShuyaMotouchi1
プログラマーとの出会い - Hello, Programmer! at PyCon Kyushu 2022
プログラマーとの出会い - Hello, Programmer! at PyCon Kyushu 2022
Takayuki Shimizukawa
Django_Fukuoka
Django_Fukuoka
Shuya Motouchi
Similar to PypeRで実験と分析を一本化する
(20)
Rブートキャンプ
Rブートキャンプ
Rでダイエット
Rでダイエット
S06 t1 python学習奮闘記#4
S06 t1 python学習奮闘記#4
TokyoR101_BeginnersSession1.pdf
TokyoR101_BeginnersSession1.pdf
弁理士が知っておきたいPython①
弁理士が知っておきたいPython①
LLoT ランゲージアップデート Python
LLoT ランゲージアップデート Python
PyPy 紹介
PyPy 紹介
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識 第3版
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識 第3版
Why python
Why python
R超入門
R超入門
統計用言語Rの使い方
統計用言語Rの使い方
Why python
Why python
S08 t0 orientation
S08 t0 orientation
Pythonによる画像処理について
Pythonによる画像処理について
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
Rの導入とRStudio事始め(改訂版)
Rの導入とRStudio事始め(改訂版)
Rはいいぞ!むしろなぜ使わないのか!!
Rはいいぞ!むしろなぜ使わないのか!!
Django_fukuoka
Django_fukuoka
プログラマーとの出会い - Hello, Programmer! at PyCon Kyushu 2022
プログラマーとの出会い - Hello, Programmer! at PyCon Kyushu 2022
Django_Fukuoka
Django_Fukuoka
More from Takashi Yamane
ベイズモデリングによる第2種信号検出モデルの表現
ベイズモデリングによる第2種信号検出モデルの表現
Takashi Yamane
DiagrammeRと仲良くなった話ーグラフィカルモデルのためのDiagrammeR速習ー
DiagrammeRと仲良くなった話ーグラフィカルモデルのためのDiagrammeR速習ー
Takashi Yamane
ガンマ分布 @魁!!広島ベイズ塾
ガンマ分布 @魁!!広島ベイズ塾
Takashi Yamane
MCMCによる回帰分析@ベイズセミナー
MCMCによる回帰分析@ベイズセミナー
Takashi Yamane
第一回広島ベイズ塾・最小二乗法
第一回広島ベイズ塾・最小二乗法
Takashi Yamane
Rstudio事始め
Rstudio事始め
Takashi Yamane
More from Takashi Yamane
(6)
ベイズモデリングによる第2種信号検出モデルの表現
ベイズモデリングによる第2種信号検出モデルの表現
DiagrammeRと仲良くなった話ーグラフィカルモデルのためのDiagrammeR速習ー
DiagrammeRと仲良くなった話ーグラフィカルモデルのためのDiagrammeR速習ー
ガンマ分布 @魁!!広島ベイズ塾
ガンマ分布 @魁!!広島ベイズ塾
MCMCによる回帰分析@ベイズセミナー
MCMCによる回帰分析@ベイズセミナー
第一回広島ベイズ塾・最小二乗法
第一回広島ベイズ塾・最小二乗法
Rstudio事始め
Rstudio事始め
PypeRで実験と分析を一本化する
1.
PypeRで実験と分析を 一本化する 広島大学大学院 教育学研究科 山根 嵩史 2016.05.28 Hijiyama.R
#4
2.
PythonとR とは... • 強力かつ高速な汎用プログラミング言語 • 無償+オープンソース • 何でもできるが,心理学の分野では主に実験制御に使われる とは... • 統計処理を目的とするプログラミング言語 • 無償+オープンソース • データ処理・統計処理に関してはだいたい何でもできる データ整形,広範&高度な統計処理,作図 etc…
3.
PypeRとは • Python とR をpypeするから“PypeR” • 要するに,Python上でRを走らせちゃおうぜ!というパッケージ • Python で実験制御 + R
でデータ整形・解析 という環境が実現 実験と分析が 両方そなわり 最強に見える
4.
3秒で分かるPypeR ここにPythonとRの コードがあるじゃろ?
( ^ω^) ⊃Python R⊂ こうじゃ ( ^ω^) ⊃pyper.R(“Rcode”)⊂ これをこうして... ( ^ω^) ≡⊃⊂ ≡
5.
(にわかPythonユーザなので) PsychoPy使いまーす • Python言語をベースとした心理実験用のアプリケーション • 無償+オープンソース • 強力なGUIも備えており,直感的に心理実験を組み立てること ができる PsychoPy
とは...
6.
(にわかPythonユーザなので) PsychoPy使いまーす • PsychoPyについては 『PsychoPy講座』
(http://ogwlab.org/?page_id=460) 『PsychoPy Builderで作る心理学実験』 (http://www.s12600.net/psy/python/ppb/index.html) にて詳しく説明されています • なお,PsychoPyにPypeRをインストールするのはちょっと手間 なので 『【python】PsychoPyからRを使う』 (http://tyamane1969.net/?p=136) の記事を参考にしてください PsychoPy とは...
7.
PsychoPy CoderでRを動かす import
pyper r=pyper.R() r("dat1<-‐c(1:10)") r("dat2<-‐c(10:20)") print r("t.test(dat1,dat2)") ⇦ PypeRパッケージをインポート ⇦ pyper.Rの入力を簡略化 ⇦ “ ”の内部にRのコマンド 今回は2つのベクトルを作成し t検定を実施 • PsychoPy Coderで以下のコマンドを実行
8.
もうちょっと高度なことをする import pyper
import numpy as np r=pyper.R() data1 = np.array([[1,2,3,4,5],[0.5,1.5,2.5,3.5,4.5]]) r.assign("dat",data1) print r("dat") r("setwd('C:/temp')") print r("mean(dat[1,])") print r("mean(dat[2,])") r("png('plot1.png')") r("plot(dat[1,])") r("dev.off()") numpyパッケージを使って ⇦ Python側で行列を作成 ⇦ r.assign( )でRにデータを渡す ⇦ R側で関数を適用 • Pythonで作ったデータをRに渡す pyper.R.assign( ) • Rで解析した結果をPythonに返す pyper.R.get( ) ⇦ R側でグラフを作成し,保存 ※グラフウィンドウが出ないため 保存が必要。要検討
9.
こんなこともできます • PsychoPy Builderで作った実験にRコードを追記して ①実験を行う度にデータセットを更新し ②検定とグラフの出力を行う ようにセッティング Pythonの実験結果からRTを抽出し,assignでRに渡す
これまでの実験データをRで呼び出し 渡されたデータを追加して更新 検定と結果の出力 Figureの作図と保存
10.
こんなこともできます • 実験を走らせるだけで検定結果とグラフが出力される 実 験 す る 分 析
11.
まとめ • 実験と分析が一本化できたら便利だと思った(けど毎回分析を 走らせる必要性は無いかも) • ロング型の煩雑なデータが出力されるような実験で,すぐにR にデータを渡して整形・分析したりできる • Rには高度な統計技術の蓄積があるので,それらをPythonで 使えるのは強み(もちろんlibrary( )やsource(
)も使えます) • 無償で実験から分析までできるのはヤバすぎてヤバい
Download now