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
RでGPU使ってみた
RでGPU使ってみた
Kazuya Wada
Python入門
Python入門
Shohei Okada
東京R非公式おじさんが教える本当に気持ちいいパッケージ作成法
東京R非公式おじさんが教える本当に気持ちいいパッケージ作成法
Nagi Teramo
Hyperoptとその周辺について
Hyperoptとその周辺について
Keisuke Hosaka
データ分析スクリプトのツール化入門 - PyConJP 2016
データ分析スクリプトのツール化入門 - PyConJP 2016
Akinori Kohno
方策勾配型強化学習の基礎と応用
方策勾配型強化学習の基礎と応用
Ryo Iwaki
強化学習その3
強化学習その3
nishio
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
Recommended
RでGPU使ってみた
RでGPU使ってみた
Kazuya Wada
Python入門
Python入門
Shohei Okada
東京R非公式おじさんが教える本当に気持ちいいパッケージ作成法
東京R非公式おじさんが教える本当に気持ちいいパッケージ作成法
Nagi Teramo
Hyperoptとその周辺について
Hyperoptとその周辺について
Keisuke Hosaka
データ分析スクリプトのツール化入門 - PyConJP 2016
データ分析スクリプトのツール化入門 - PyConJP 2016
Akinori Kohno
方策勾配型強化学習の基礎と応用
方策勾配型強化学習の基礎と応用
Ryo Iwaki
強化学習その3
強化学習その3
nishio
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
リクルート式 自然言語処理技術の適応事例紹介
リクルート式 自然言語処理技術の適応事例紹介
Recruit Technologies
負の二項分布について
負の二項分布について
Hiroshi Shimizu
機械学習によるデータ分析まわりのお話
機械学習によるデータ分析まわりのお話
Ryota Kamoshida
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
Stanの便利な事後処理関数
Stanの便利な事後処理関数
daiki hojo
Rにおける大規模データ解析(第10回TokyoWebMining)
Rにおける大規模データ解析(第10回TokyoWebMining)
Shintaro Fukushima
充足可能性問題のいろいろ
充足可能性問題のいろいろ
Hiroshi Yamashita
Prophet入門【Python編】Facebookの時系列予測ツール
Prophet入門【Python編】Facebookの時系列予測ツール
hoxo_m
Rの高速化
Rの高速化
弘毅 露崎
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
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
Shota Imai
[DL輪読会]Deep Learning 第15章 表現学習
[DL輪読会]Deep Learning 第15章 表現学習
Deep Learning JP
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
Pythonの理解を試みる 〜バイトコードインタプリタを作成する〜
Pythonの理解を試みる 〜バイトコードインタプリタを作成する〜
Preferred Networks
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
指数分布とポアソン分布のいけない関係
指数分布とポアソン分布のいけない関係
Nagi Teramo
Curriculum Learning (関東CV勉強会)
Curriculum Learning (関東CV勉強会)
Yoshitaka Ushiku
[DL輪読会]Control as Inferenceと発展
[DL輪読会]Control as Inferenceと発展
Deep Learning JP
研究効率化Tips Ver.2
研究効率化Tips Ver.2
cvpaper. challenge
畳み込みLstm
畳み込みLstm
tak9029
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
リクルート式 自然言語処理技術の適応事例紹介
リクルート式 自然言語処理技術の適応事例紹介
Recruit Technologies
負の二項分布について
負の二項分布について
Hiroshi Shimizu
機械学習によるデータ分析まわりのお話
機械学習によるデータ分析まわりのお話
Ryota Kamoshida
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
Stanの便利な事後処理関数
Stanの便利な事後処理関数
daiki hojo
Rにおける大規模データ解析(第10回TokyoWebMining)
Rにおける大規模データ解析(第10回TokyoWebMining)
Shintaro Fukushima
充足可能性問題のいろいろ
充足可能性問題のいろいろ
Hiroshi Yamashita
Prophet入門【Python編】Facebookの時系列予測ツール
Prophet入門【Python編】Facebookの時系列予測ツール
hoxo_m
Rの高速化
Rの高速化
弘毅 露崎
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
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
Shota Imai
[DL輪読会]Deep Learning 第15章 表現学習
[DL輪読会]Deep Learning 第15章 表現学習
Deep Learning JP
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
Pythonの理解を試みる 〜バイトコードインタプリタを作成する〜
Pythonの理解を試みる 〜バイトコードインタプリタを作成する〜
Preferred Networks
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
指数分布とポアソン分布のいけない関係
指数分布とポアソン分布のいけない関係
Nagi Teramo
Curriculum Learning (関東CV勉強会)
Curriculum Learning (関東CV勉強会)
Yoshitaka Ushiku
[DL輪読会]Control as Inferenceと発展
[DL輪読会]Control as Inferenceと発展
Deep Learning JP
研究効率化Tips Ver.2
研究効率化Tips Ver.2
cvpaper. challenge
畳み込みLstm
畳み込みLstm
tak9029
What's hot
(20)
リクルート式 自然言語処理技術の適応事例紹介
リクルート式 自然言語処理技術の適応事例紹介
負の二項分布について
負の二項分布について
機械学習によるデータ分析まわりのお話
機械学習によるデータ分析まわりのお話
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!!
Stanの便利な事後処理関数
Stanの便利な事後処理関数
Rにおける大規模データ解析(第10回TokyoWebMining)
Rにおける大規模データ解析(第10回TokyoWebMining)
充足可能性問題のいろいろ
充足可能性問題のいろいろ
Prophet入門【Python編】Facebookの時系列予測ツール
Prophet入門【Python編】Facebookの時系列予測ツール
Rの高速化
Rの高速化
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)
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
[DL輪読会]Deep Learning 第15章 表現学習
[DL輪読会]Deep Learning 第15章 表現学習
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
Pythonの理解を試みる 〜バイトコードインタプリタを作成する〜
Pythonの理解を試みる 〜バイトコードインタプリタを作成する〜
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
指数分布とポアソン分布のいけない関係
指数分布とポアソン分布のいけない関係
Curriculum Learning (関東CV勉強会)
Curriculum Learning (関東CV勉強会)
[DL輪読会]Control as Inferenceと発展
[DL輪読会]Control as Inferenceと発展
研究効率化Tips Ver.2
研究効率化Tips Ver.2
畳み込みLstm
畳み込みLstm
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
(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
Viewers also liked
(7)
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
(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
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
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
言語処理するのに Python でいいの? #PyDataTokyo
言語処理するのに Python でいいの? #PyDataTokyo
Shuyo Nakatani
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)
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
言語処理するのに Python でいいの? #PyDataTokyo
言語処理するのに Python でいいの? #PyDataTokyo
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
ANOVA君とanovatan
ANOVA君とanovatan
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
Anova君を使った分散分析
Anova君を使った分散分析
Takashi Yamane
Rstudio事始め
Rstudio事始め
Takashi Yamane
More from Takashi Yamane
(8)
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
ANOVA君とanovatan
ANOVA君とanovatan
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
Anova君を使った分散分析
Anova君を使った分散分析
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