SlideShare a Scribd company logo
1 of 39
Download to read offline
R
                               II     4
                                                      .


                               @yokkuns
                                                  .

                        R            Tokyo.R#09


                               2010/09/19




@yokkuns   (R   Tokyo.R#09 )
                      R                II    4            2010/09/19   1 / 40
R
                                   II            4




@yokkuns   (R   Tokyo.R#09 )
                      R                 II   4       2010/09/19   2 / 40
AGENDA




@yokkuns   (R   Tokyo.R#09 )
                      R             II   4   2010/09/19   3 / 40
AGENDA




@yokkuns   (R   Tokyo.R#09 )
                      R             II   4   2010/09/19   4 / 40
ID :        yokkuns
                                  :
                                  :        Web
                                http://twitter.com/yokkuns




@yokkuns   (R   Tokyo.R#09 )
                      R               II     4           2010/09/19   5 / 40
-                 1

                          R                Tokyo.R




                http://groups.google.co.jp/group/r-study-tokyo
@yokkuns   (R        Tokyo.R#09 )
                           R               II   4                2010/09/19   6 / 40
-                2




                http://groups.google.co.jp/group/grinning-math
@yokkuns   (R         Tokyo.R#09 )
                            R              II   4                2010/09/19   7 / 40
-




                                                                           PRML
     2010.09.11   RPML                                   13.3   13.3.3




                   9 R                      R                                   II
     2010.09.19
                  Tokyo.R#09                             4

                   7
     2010.09.25    +WEB
                  Tokyo.Webmining#7




@yokkuns     (R          Tokyo.R#09 )
                               R                II   4                   2010/09/19   8 / 40
-




                                                                           PRML
     2010.09.11   RPML                                   13.3   13.3.3




                   9 R                      R                                   II
     2010.09.19
                  Tokyo.R#09                             4

                   7
     2010.09.25    +WEB
                  Tokyo.Webmining#7




@yokkuns     (R          Tokyo.R#09 )
                               R                II   4                   2010/09/19   9 / 40
AGENDA




@yokkuns   (R   Tokyo.R#09 )
                      R             II   4   2010/09/19   10 / 40
MDS: multi-dimensional scaling




                        2            3




@yokkuns   (R   Tokyo.R#09 )
                      R              II   4           2010/09/19   11 / 40
...




                               MDS




@yokkuns   (R   Tokyo.R#09 )
                      R              II   4         2010/09/19   12 / 40
...




                               MDS




@yokkuns   (R   Tokyo.R#09 )
                      R              II   4         2010/09/19   13 / 40
...




                               MDS




@yokkuns   (R   Tokyo.R#09 )
                      R              II   4         2010/09/19   14 / 40
...




                               MDS




@yokkuns   (R   Tokyo.R#09 )
                      R              II   4         2010/09/19   15 / 40
...




                               MDS




@yokkuns   (R   Tokyo.R#09 )
                      R              II   4         2010/09/19   16 / 40
...




                               MDS




@yokkuns   (R   Tokyo.R#09 )
                      R              II   4         2010/09/19   17 / 40
...




                               MDS




@yokkuns   (R   Tokyo.R#09 )
                      R              II   4         2010/09/19   18 / 40
D n×n = [di j ]

           i    j                  di j


                                   di j = ||Xi − X j ||



                                            di j ≥ 0
                                            di j = d ji
                                    di j + d jk ≥ dik


@yokkuns   (R       Tokyo.R#09 )
                          R                     II   4    2010/09/19   19 / 40
∑
                     p                                          ∑
                                                                p

           edi j =     (xik − x jk )2              cdi j =            |xik − x jk |
                     k=1                                        k=1




                                            ∑
                                            p
                           mdi j =                |xik − x jk | q
                                        q


                                            k=1




@yokkuns       (R      Tokyo.R#09 )
                             R                      II    4                     2010/09/19   20 / 40
∑p
                                          (xik − xi )(x jk − x j )
                                    k=1
                ri j =      √∑
                                 p                         ∑n
                                     (xik   − xi )2             k=1
                                                                      (x jk − x j )2
                                 k=1


                                            ∑p
                                                       xik x jk
                                              k=1
                         psi j =      √∑
                                            p               ∑n
                                                      x2        k=1
                                                                       x2
                                            k=1        ik                jk




                   rdi j = 1 − ri j         pdi j = 1 − psi j
@yokkuns   (R     Tokyo.R#09 )
                        R                        II         4                          2010/09/19   21 / 40
AGENDA




@yokkuns   (R   Tokyo.R#09 )
                      R             II   4   2010/09/19   22 / 40
2

                   d2j = ||xi − x j ||2 = (xi − x j )T (xi − x j )
                    i
                         = ||xi ||2 + ||x j ||2 − 2xT x j
                                                    i



                               2

                bi j = xT x j = xi1 x j1 + xi2 x j2 + · · · + xi p x j p
                        i




@yokkuns   (R         Tokyo.R#09 )
                            R                    II    4                   2010/09/19   23 / 40
d2j = ||xi ||2 + ||x j ||2 − 2bi j
            i
                                                             d2 = ||xi ||2
                                                              i




                                      d2j = d2 + d2 − 2bi j
                                       i     i    j




@yokkuns         (R          Tokyo.R#09 )
                                   R                II   4                   2010/09/19   24 / 40
bi j

                                1 2
                       bi j =    (d + d2 − d2j )
                                2 i    j    i




@yokkuns   (R   Tokyo.R#09 )
                      R                   II   4   2010/09/19   25 / 40
MDS




                                           MDS
                              cmdscale(d, k = 2, ei g = F ALSE)




                  d   :    dist
                  k   :
                eig   :




@yokkuns   (R             Tokyo.R#09 )
                                R                  II   4         2010/09/19   26 / 40
21

           (eur.cmd< −cmdscale(eurodist))
           plot(eur.cmd,type=”n”)
           text(eur.cmd,rownames(eur.cmd ))




@yokkuns      (R          Tokyo.R#09 )
                                R             II        4   2010/09/19   27 / 40
iris

           iris.dist< −dist(iris[,-5])
           iris.cmd< −cmdscale(iris.dist)
           plot(iris.cmd,type=”n”)
           iris.lab< −factor(c(rep(”S”,50),rep(”C”,50),rep(”V”,50)))
           text(iris.cmd,labels=iris.lab,col=unclass(iris.lab))




@yokkuns       (R           Tokyo.R#09 )
                                  R                     II   4         2010/09/19   28 / 40
AGENDA




@yokkuns   (R   Tokyo.R#09 )
                      R             II   4   2010/09/19   29 / 40
∑∑         ˆ − di j )2
                                             i j ( di j
                     STRESS1    =            ∑∑ 2
                                                di j



                      STRESS1   %
                        0.200   20.0%
                        0.100   10.0%
                        0.050    5.0%
                        0.025    2.5%
                        0.000     0%


@yokkuns   (R   Tokyo.R#09 )
                      R                 II       4           2010/09/19   30 / 40
MDS


                                       MASS
              isoM DS(d, y = cmdscale(d, k), k = 2, maxit = 50, t race = TRUE, t ol =
                                          1e − 3, p = 2)




                                      MASS
            sammon(d, y = cmdscale(d, k), k = 2, niter = 100, t race = TRUE, ma gic =
                                       0.2, t ol = 1e − 4)




                                       vegan
            met aM DS(comm, dist ance = ”bray”, k = 2, t rymax = 20, aut ot rans f orm =
           TRUE, noshare = 0.1, wascores = TRUE, expand = TRUE, t race = 1, plot =
                         FALSE, previous.best, old.wa = FALSE, ...)



@yokkuns     (R            Tokyo.R#09 )
                                 R                     II    4                     2010/09/19   31 / 40
install.packages(”mlbench”)
                library(mlbench)
                install.packages(”e1071”)
                set.seed(100)
                p< −mlbench.corners(n=160)
                lab=as.numeric(p$classes)
                x.dist< −dist(p$x)
                library(MASS)
                par(mar=c(4.5,4.5,1,1), mfrow=c(2,2))
                plot(cmdscale(x.dist),pch=lab,col=lab)
                plot(sammon(x.dist)$points,pch=lab,col=lab)
                plot(isoMDS(x.dist)$points,pch=lab,col=lab)
                install.packages(”vegan”)
                library(vegan)
                x.dist2< −as.matrix(x.dist)
                plot(metaMDS(x.dist2)$point,pch=lab,col=lab)



@yokkuns   (R            Tokyo.R#09 )
                               R                  II    4      2010/09/19   32 / 40
@yokkuns   (R   Tokyo.R#09 )
                      R        II   4   2010/09/19   33 / 40
AGENDA




@yokkuns   (R   Tokyo.R#09 )
                      R             II   4   2010/09/19   34 / 40
cmdscale



           isoMDS
           sammon
           metaMDS




@yokkuns   (R         Tokyo.R#09 )
                            R        II   4   2010/09/19   35 / 40
AGENDA




@yokkuns   (R   Tokyo.R#09 )
                      R             II   4   2010/09/19   36 / 40
R                             Tokyo.R#10




@yokkuns   (R   Tokyo.R#09 )
                      R        II    4     2010/09/19   37 / 40
AGENDA




@yokkuns   (R   Tokyo.R#09 )
                      R             II   4   2010/09/19   38 / 40
@yokkuns   (R   Tokyo.R#09 )
                      R        II   4   2010/09/19   39 / 40

More Related Content

What's hot

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
 
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
 
機械学習モデルのハイパパラメータ最適化
機械学習モデルのハイパパラメータ最適化機械学習モデルのハイパパラメータ最適化
機械学習モデルのハイパパラメータ最適化gree_tech
 
不均衡データのクラス分類
不均衡データのクラス分類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
 
社会心理学者のための時系列分析入門_小森
社会心理学者のための時系列分析入門_小森社会心理学者のための時系列分析入門_小森
社会心理学者のための時系列分析入門_小森Masashi Komori
 
Rで計量時系列分析~CRANパッケージ総ざらい~
Rで計量時系列分析~CRANパッケージ総ざらい~ Rで計量時系列分析~CRANパッケージ総ざらい~
Rで計量時系列分析~CRANパッケージ総ざらい~ Takashi J OZAKI
 
[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[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
 
One Class SVMを用いた異常値検知
One Class SVMを用いた異常値検知One Class SVMを用いた異常値検知
One Class SVMを用いた異常値検知Yuto Mori
 
研究室における研究・実装ノウハウの共有
研究室における研究・実装ノウハウの共有研究室における研究・実装ノウハウの共有
研究室における研究・実装ノウハウの共有Naoaki Okazaki
 
CF-FinML 金融時系列予測のための機械学習
CF-FinML 金融時系列予測のための機械学習CF-FinML 金融時系列予測のための機械学習
CF-FinML 金融時系列予測のための機械学習Katsuya Ito
 
Dimensionality reduction with t-SNE(Rtsne) and UMAP(uwot) using R packages.
Dimensionality reduction with t-SNE(Rtsne) and UMAP(uwot) using R packages. Dimensionality reduction with t-SNE(Rtsne) and UMAP(uwot) using R packages.
Dimensionality reduction with t-SNE(Rtsne) and UMAP(uwot) using R packages. Satoshi Kato
 
これからの仮説検証・モデル評価
これからの仮説検証・モデル評価これからの仮説検証・モデル評価
これからの仮説検証・モデル評価daiki hojo
 
03 「重回帰分析」の入門
03 「重回帰分析」の入門03 「重回帰分析」の入門
03 「重回帰分析」の入門Shuhei Ichikawa
 
強化学習 DQNからPPOまで
強化学習 DQNからPPOまで強化学習 DQNからPPOまで
強化学習 DQNからPPOまでharmonylab
 
PILCO - 第一回高橋研究室モデルベース強化学習勉強会
PILCO - 第一回高橋研究室モデルベース強化学習勉強会PILCO - 第一回高橋研究室モデルベース強化学習勉強会
PILCO - 第一回高橋研究室モデルベース強化学習勉強会Shunichi Sekiguchi
 
Statistical Semantic入門 ~分布仮説からword2vecまで~
Statistical Semantic入門 ~分布仮説からword2vecまで~Statistical Semantic入門 ~分布仮説からword2vecまで~
Statistical Semantic入門 ~分布仮説からword2vecまで~Yuya Unno
 
[DL輪読会]1次近似系MAMLとその理論的背景
[DL輪読会]1次近似系MAMLとその理論的背景[DL輪読会]1次近似系MAMLとその理論的背景
[DL輪読会]1次近似系MAMLとその理論的背景Deep Learning JP
 
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glmnet5分でわかるかもしれないglmnet
5分でわかるかもしれないglmnetNagi Teramo
 
SSII2020 [OS2-02] 教師あり事前学習を凌駕する「弱」教師あり事前学習
SSII2020 [OS2-02] 教師あり事前学習を凌駕する「弱」教師あり事前学習SSII2020 [OS2-02] 教師あり事前学習を凌駕する「弱」教師あり事前学習
SSII2020 [OS2-02] 教師あり事前学習を凌駕する「弱」教師あり事前学習SSII
 
SGD+α: 確率的勾配降下法の現在と未来
SGD+α: 確率的勾配降下法の現在と未来SGD+α: 確率的勾配降下法の現在と未来
SGD+α: 確率的勾配降下法の現在と未来Hidekazu Oiwa
 

What's hot (20)

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
 
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
 
機械学習モデルのハイパパラメータ最適化
機械学習モデルのハイパパラメータ最適化機械学習モデルのハイパパラメータ最適化
機械学習モデルのハイパパラメータ最適化
 
不均衡データのクラス分類
不均衡データのクラス分類不均衡データのクラス分類
不均衡データのクラス分類
 
社会心理学者のための時系列分析入門_小森
社会心理学者のための時系列分析入門_小森社会心理学者のための時系列分析入門_小森
社会心理学者のための時系列分析入門_小森
 
Rで計量時系列分析~CRANパッケージ総ざらい~
Rで計量時系列分析~CRANパッケージ総ざらい~ Rで計量時系列分析~CRANパッケージ総ざらい~
Rで計量時系列分析~CRANパッケージ総ざらい~
 
[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[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
 
One Class SVMを用いた異常値検知
One Class SVMを用いた異常値検知One Class SVMを用いた異常値検知
One Class SVMを用いた異常値検知
 
研究室における研究・実装ノウハウの共有
研究室における研究・実装ノウハウの共有研究室における研究・実装ノウハウの共有
研究室における研究・実装ノウハウの共有
 
CF-FinML 金融時系列予測のための機械学習
CF-FinML 金融時系列予測のための機械学習CF-FinML 金融時系列予測のための機械学習
CF-FinML 金融時系列予測のための機械学習
 
Dimensionality reduction with t-SNE(Rtsne) and UMAP(uwot) using R packages.
Dimensionality reduction with t-SNE(Rtsne) and UMAP(uwot) using R packages. Dimensionality reduction with t-SNE(Rtsne) and UMAP(uwot) using R packages.
Dimensionality reduction with t-SNE(Rtsne) and UMAP(uwot) using R packages.
 
これからの仮説検証・モデル評価
これからの仮説検証・モデル評価これからの仮説検証・モデル評価
これからの仮説検証・モデル評価
 
03 「重回帰分析」の入門
03 「重回帰分析」の入門03 「重回帰分析」の入門
03 「重回帰分析」の入門
 
強化学習 DQNからPPOまで
強化学習 DQNからPPOまで強化学習 DQNからPPOまで
強化学習 DQNからPPOまで
 
PILCO - 第一回高橋研究室モデルベース強化学習勉強会
PILCO - 第一回高橋研究室モデルベース強化学習勉強会PILCO - 第一回高橋研究室モデルベース強化学習勉強会
PILCO - 第一回高橋研究室モデルベース強化学習勉強会
 
Statistical Semantic入門 ~分布仮説からword2vecまで~
Statistical Semantic入門 ~分布仮説からword2vecまで~Statistical Semantic入門 ~分布仮説からword2vecまで~
Statistical Semantic入門 ~分布仮説からword2vecまで~
 
[DL輪読会]1次近似系MAMLとその理論的背景
[DL輪読会]1次近似系MAMLとその理論的背景[DL輪読会]1次近似系MAMLとその理論的背景
[DL輪読会]1次近似系MAMLとその理論的背景
 
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glmnet5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
 
SSII2020 [OS2-02] 教師あり事前学習を凌駕する「弱」教師あり事前学習
SSII2020 [OS2-02] 教師あり事前学習を凌駕する「弱」教師あり事前学習SSII2020 [OS2-02] 教師あり事前学習を凌駕する「弱」教師あり事前学習
SSII2020 [OS2-02] 教師あり事前学習を凌駕する「弱」教師あり事前学習
 
SGD+α: 確率的勾配降下法の現在と未来
SGD+α: 確率的勾配降下法の現在と未来SGD+α: 確率的勾配降下法の現在と未来
SGD+α: 確率的勾配降下法の現在と未来
 

Viewers also liked

エクセルで統計分析 統計プログラムHADについて
エクセルで統計分析 統計プログラムHADについてエクセルで統計分析 統計プログラムHADについて
エクセルで統計分析 統計プログラムHADについてHiroshi Shimizu
 
楽器音色の主観評価 —多次元尺度法を用いた研究例の紹介—
楽器音色の主観評価 —多次元尺度法を用いた研究例の紹介—楽器音色の主観評価 —多次元尺度法を用いた研究例の紹介—
楽器音色の主観評価 —多次元尺度法を用いた研究例の紹介—Atsushi Marui
 
データ解析技術入門(R編)
データ解析技術入門(R編)データ解析技術入門(R編)
データ解析技術入門(R編)Takumi Asai
 
トレジャーデータ 導入体験記 リブセンス編
トレジャーデータ 導入体験記 リブセンス編トレジャーデータ 導入体験記 リブセンス編
トレジャーデータ 導入体験記 リブセンス編Kentaro Yoshida
 
距離と分類の話
距離と分類の話距離と分類の話
距離と分類の話考司 小杉
 
【論文紹介】Fashion Style in 128 Floats: Joint Ranking and Classification using Wea...
【論文紹介】Fashion Style in 128 Floats: Joint Ranking and Classification using Wea...【論文紹介】Fashion Style in 128 Floats: Joint Ranking and Classification using Wea...
【論文紹介】Fashion Style in 128 Floats: Joint Ranking and Classification using Wea...Hirokatsu Kataoka
 
時系列データ4
時系列データ4時系列データ4
時系列データ4graySpace999
 
第3回Japan rパネルディスカッション
第3回Japan rパネルディスカッション第3回Japan rパネルディスカッション
第3回Japan rパネルディスカッションYohei Sato
 
Complex network ws_percolation
Complex network ws_percolationComplex network ws_percolation
Complex network ws_percolationYohei Sato
 
Tokyor24 yokkuns
Tokyor24 yokkunsTokyor24 yokkuns
Tokyor24 yokkunsYohei Sato
 
時系列データ分析
時系列データ分析時系列データ分析
時系列データ分析graySpace999
 
Tokyor13 - YjdnJlpパッケージとTokyo.R翻訳プロジェクトの紹介
Tokyor13 - YjdnJlpパッケージとTokyo.R翻訳プロジェクトの紹介Tokyor13 - YjdnJlpパッケージとTokyo.R翻訳プロジェクトの紹介
Tokyor13 - YjdnJlpパッケージとTokyo.R翻訳プロジェクトの紹介Yohei Sato
 
Tokyor26 data fusion
Tokyor26 data fusionTokyor26 data fusion
Tokyor26 data fusionYohei Sato
 
マハラノビス距離とユークリッド距離の違い
マハラノビス距離とユークリッド距離の違いマハラノビス距離とユークリッド距離の違い
マハラノビス距離とユークリッド距離の違いwada, kazumi
 
Sakuteki02 yokkuns
Sakuteki02 yokkunsSakuteki02 yokkuns
Sakuteki02 yokkunsYohei Sato
 
主成分分析(Pca)
主成分分析(Pca)主成分分析(Pca)
主成分分析(Pca)Shushi Namba
 
Rでレポートメール
RでレポートメールRでレポートメール
RでレポートメールYohei Sato
 
Tokyowebmining19 data fusion
Tokyowebmining19 data fusionTokyowebmining19 data fusion
Tokyowebmining19 data fusionYohei Sato
 

Viewers also liked (20)

エクセルで統計分析 統計プログラムHADについて
エクセルで統計分析 統計プログラムHADについてエクセルで統計分析 統計プログラムHADについて
エクセルで統計分析 統計プログラムHADについて
 
楽器音色の主観評価 —多次元尺度法を用いた研究例の紹介—
楽器音色の主観評価 —多次元尺度法を用いた研究例の紹介—楽器音色の主観評価 —多次元尺度法を用いた研究例の紹介—
楽器音色の主観評価 —多次元尺度法を用いた研究例の紹介—
 
データ解析技術入門(R編)
データ解析技術入門(R編)データ解析技術入門(R編)
データ解析技術入門(R編)
 
トレジャーデータ 導入体験記 リブセンス編
トレジャーデータ 導入体験記 リブセンス編トレジャーデータ 導入体験記 リブセンス編
トレジャーデータ 導入体験記 リブセンス編
 
距離と分類の話
距離と分類の話距離と分類の話
距離と分類の話
 
【論文紹介】Fashion Style in 128 Floats: Joint Ranking and Classification using Wea...
【論文紹介】Fashion Style in 128 Floats: Joint Ranking and Classification using Wea...【論文紹介】Fashion Style in 128 Floats: Joint Ranking and Classification using Wea...
【論文紹介】Fashion Style in 128 Floats: Joint Ranking and Classification using Wea...
 
時系列データ4
時系列データ4時系列データ4
時系列データ4
 
第3回Japan rパネルディスカッション
第3回Japan rパネルディスカッション第3回Japan rパネルディスカッション
第3回Japan rパネルディスカッション
 
Complex network ws_percolation
Complex network ws_percolationComplex network ws_percolation
Complex network ws_percolation
 
Tokyor24 yokkuns
Tokyor24 yokkunsTokyor24 yokkuns
Tokyor24 yokkuns
 
時系列データ分析
時系列データ分析時系列データ分析
時系列データ分析
 
Tokyor13 - YjdnJlpパッケージとTokyo.R翻訳プロジェクトの紹介
Tokyor13 - YjdnJlpパッケージとTokyo.R翻訳プロジェクトの紹介Tokyor13 - YjdnJlpパッケージとTokyo.R翻訳プロジェクトの紹介
Tokyor13 - YjdnJlpパッケージとTokyo.R翻訳プロジェクトの紹介
 
Tokyor26 data fusion
Tokyor26 data fusionTokyor26 data fusion
Tokyor26 data fusion
 
マハラノビス距離とユークリッド距離の違い
マハラノビス距離とユークリッド距離の違いマハラノビス距離とユークリッド距離の違い
マハラノビス距離とユークリッド距離の違い
 
Sakuteki02 yokkuns
Sakuteki02 yokkunsSakuteki02 yokkuns
Sakuteki02 yokkuns
 
主成分分析(Pca)
主成分分析(Pca)主成分分析(Pca)
主成分分析(Pca)
 
Rでレポートメール
RでレポートメールRでレポートメール
Rでレポートメール
 
外れ値
外れ値外れ値
外れ値
 
MapReduce入門
MapReduce入門MapReduce入門
MapReduce入門
 
Tokyowebmining19 data fusion
Tokyowebmining19 data fusionTokyowebmining19 data fusion
Tokyowebmining19 data fusion
 

More from Yohei Sato

Tokyor60 r data_science_part1
Tokyor60 r data_science_part1Tokyor60 r data_science_part1
Tokyor60 r data_science_part1Yohei Sato
 
Tokyor60 opening
Tokyor60 openingTokyor60 opening
Tokyor60 openingYohei Sato
 
Tokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組み
Tokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組みTokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組み
Tokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組みYohei Sato
 
Tokyor42_r_datamining_18
Tokyor42_r_datamining_18Tokyor42_r_datamining_18
Tokyor42_r_datamining_18Yohei Sato
 
Tokyor42 ggplot2
Tokyor42 ggplot2Tokyor42 ggplot2
Tokyor42 ggplot2Yohei Sato
 
Tokyor39 yokkuns
Tokyor39 yokkunsTokyor39 yokkuns
Tokyor39 yokkunsYohei Sato
 
EasyHtmlReportの紹介
EasyHtmlReportの紹介EasyHtmlReportの紹介
EasyHtmlReportの紹介Yohei Sato
 
20131206 japan r
20131206 japan r20131206 japan r
20131206 japan rYohei Sato
 
Tokyor35 人工データの発生
Tokyor35 人工データの発生Tokyor35 人工データの発生
Tokyor35 人工データの発生Yohei Sato
 
ドリコムの分析環境とデータサイエンス活用事例
ドリコムの分析環境とデータサイエンス活用事例ドリコムの分析環境とデータサイエンス活用事例
ドリコムの分析環境とデータサイエンス活用事例Yohei Sato
 
R言語で学ぶマーケティング分析 競争ポジショニング戦略
R言語で学ぶマーケティング分析 競争ポジショニング戦略R言語で学ぶマーケティング分析 競争ポジショニング戦略
R言語で学ぶマーケティング分析 競争ポジショニング戦略Yohei Sato
 
Rでピボットテーブル
RでピボットテーブルRでピボットテーブル
RでピボットテーブルYohei Sato
 
傾向スコア解析とUplift Modelling
傾向スコア解析とUplift Modelling傾向スコア解析とUplift Modelling
傾向スコア解析とUplift ModellingYohei Sato
 
異常行動検出入門(改)
異常行動検出入門(改)異常行動検出入門(改)
異常行動検出入門(改)Yohei Sato
 
Tokyor22 selection bias
Tokyor22 selection biasTokyor22 selection bias
Tokyor22 selection biasYohei Sato
 
Uplift Modelling 入門(1)
Uplift Modelling 入門(1)Uplift Modelling 入門(1)
Uplift Modelling 入門(1)Yohei Sato
 
エンジニアサポート新年会2012 データマイニングcross 第1部
エンジニアサポート新年会2012 データマイニングcross 第1部エンジニアサポート新年会2012 データマイニングcross 第1部
エンジニアサポート新年会2012 データマイニングcross 第1部Yohei Sato
 
Japan r2 lt_yokkuns
Japan r2 lt_yokkunsJapan r2 lt_yokkuns
Japan r2 lt_yokkunsYohei Sato
 
Japan r2 tokyor
Japan r2 tokyorJapan r2 tokyor
Japan r2 tokyorYohei Sato
 
Japan r2 opening
Japan r2 openingJapan r2 opening
Japan r2 openingYohei Sato
 

More from Yohei Sato (20)

Tokyor60 r data_science_part1
Tokyor60 r data_science_part1Tokyor60 r data_science_part1
Tokyor60 r data_science_part1
 
Tokyor60 opening
Tokyor60 openingTokyor60 opening
Tokyor60 opening
 
Tokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組み
Tokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組みTokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組み
Tokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組み
 
Tokyor42_r_datamining_18
Tokyor42_r_datamining_18Tokyor42_r_datamining_18
Tokyor42_r_datamining_18
 
Tokyor42 ggplot2
Tokyor42 ggplot2Tokyor42 ggplot2
Tokyor42 ggplot2
 
Tokyor39 yokkuns
Tokyor39 yokkunsTokyor39 yokkuns
Tokyor39 yokkuns
 
EasyHtmlReportの紹介
EasyHtmlReportの紹介EasyHtmlReportの紹介
EasyHtmlReportの紹介
 
20131206 japan r
20131206 japan r20131206 japan r
20131206 japan r
 
Tokyor35 人工データの発生
Tokyor35 人工データの発生Tokyor35 人工データの発生
Tokyor35 人工データの発生
 
ドリコムの分析環境とデータサイエンス活用事例
ドリコムの分析環境とデータサイエンス活用事例ドリコムの分析環境とデータサイエンス活用事例
ドリコムの分析環境とデータサイエンス活用事例
 
R言語で学ぶマーケティング分析 競争ポジショニング戦略
R言語で学ぶマーケティング分析 競争ポジショニング戦略R言語で学ぶマーケティング分析 競争ポジショニング戦略
R言語で学ぶマーケティング分析 競争ポジショニング戦略
 
Rでピボットテーブル
RでピボットテーブルRでピボットテーブル
Rでピボットテーブル
 
傾向スコア解析とUplift Modelling
傾向スコア解析とUplift Modelling傾向スコア解析とUplift Modelling
傾向スコア解析とUplift Modelling
 
異常行動検出入門(改)
異常行動検出入門(改)異常行動検出入門(改)
異常行動検出入門(改)
 
Tokyor22 selection bias
Tokyor22 selection biasTokyor22 selection bias
Tokyor22 selection bias
 
Uplift Modelling 入門(1)
Uplift Modelling 入門(1)Uplift Modelling 入門(1)
Uplift Modelling 入門(1)
 
エンジニアサポート新年会2012 データマイニングcross 第1部
エンジニアサポート新年会2012 データマイニングcross 第1部エンジニアサポート新年会2012 データマイニングcross 第1部
エンジニアサポート新年会2012 データマイニングcross 第1部
 
Japan r2 lt_yokkuns
Japan r2 lt_yokkunsJapan r2 lt_yokkuns
Japan r2 lt_yokkuns
 
Japan r2 tokyor
Japan r2 tokyorJapan r2 tokyor
Japan r2 tokyor
 
Japan r2 opening
Japan r2 openingJapan r2 opening
Japan r2 opening
 

Tokyor09

  • 1. R II 4 . @yokkuns . R Tokyo.R#09 2010/09/19 @yokkuns (R Tokyo.R#09 ) R II 4 2010/09/19 1 / 40
  • 2. R II 4 @yokkuns (R Tokyo.R#09 ) R II 4 2010/09/19 2 / 40
  • 3. AGENDA @yokkuns (R Tokyo.R#09 ) R II 4 2010/09/19 3 / 40
  • 4. AGENDA @yokkuns (R Tokyo.R#09 ) R II 4 2010/09/19 4 / 40
  • 5. ID : yokkuns : : Web http://twitter.com/yokkuns @yokkuns (R Tokyo.R#09 ) R II 4 2010/09/19 5 / 40
  • 6. - 1 R Tokyo.R http://groups.google.co.jp/group/r-study-tokyo @yokkuns (R Tokyo.R#09 ) R II 4 2010/09/19 6 / 40
  • 7. - 2 http://groups.google.co.jp/group/grinning-math @yokkuns (R Tokyo.R#09 ) R II 4 2010/09/19 7 / 40
  • 8. - PRML 2010.09.11 RPML 13.3 13.3.3 9 R R II 2010.09.19 Tokyo.R#09 4 7 2010.09.25 +WEB Tokyo.Webmining#7 @yokkuns (R Tokyo.R#09 ) R II 4 2010/09/19 8 / 40
  • 9. - PRML 2010.09.11 RPML 13.3 13.3.3 9 R R II 2010.09.19 Tokyo.R#09 4 7 2010.09.25 +WEB Tokyo.Webmining#7 @yokkuns (R Tokyo.R#09 ) R II 4 2010/09/19 9 / 40
  • 10. AGENDA @yokkuns (R Tokyo.R#09 ) R II 4 2010/09/19 10 / 40
  • 11. MDS: multi-dimensional scaling 2 3 @yokkuns (R Tokyo.R#09 ) R II 4 2010/09/19 11 / 40
  • 12. ... MDS @yokkuns (R Tokyo.R#09 ) R II 4 2010/09/19 12 / 40
  • 13. ... MDS @yokkuns (R Tokyo.R#09 ) R II 4 2010/09/19 13 / 40
  • 14. ... MDS @yokkuns (R Tokyo.R#09 ) R II 4 2010/09/19 14 / 40
  • 15. ... MDS @yokkuns (R Tokyo.R#09 ) R II 4 2010/09/19 15 / 40
  • 16. ... MDS @yokkuns (R Tokyo.R#09 ) R II 4 2010/09/19 16 / 40
  • 17. ... MDS @yokkuns (R Tokyo.R#09 ) R II 4 2010/09/19 17 / 40
  • 18. ... MDS @yokkuns (R Tokyo.R#09 ) R II 4 2010/09/19 18 / 40
  • 19. D n×n = [di j ] i j di j di j = ||Xi − X j || di j ≥ 0 di j = d ji di j + d jk ≥ dik @yokkuns (R Tokyo.R#09 ) R II 4 2010/09/19 19 / 40
  • 20. p ∑ p edi j = (xik − x jk )2 cdi j = |xik − x jk | k=1 k=1 ∑ p mdi j = |xik − x jk | q q k=1 @yokkuns (R Tokyo.R#09 ) R II 4 2010/09/19 20 / 40
  • 21. ∑p (xik − xi )(x jk − x j ) k=1 ri j = √∑ p ∑n (xik − xi )2 k=1 (x jk − x j )2 k=1 ∑p xik x jk k=1 psi j = √∑ p ∑n x2 k=1 x2 k=1 ik jk rdi j = 1 − ri j pdi j = 1 − psi j @yokkuns (R Tokyo.R#09 ) R II 4 2010/09/19 21 / 40
  • 22. AGENDA @yokkuns (R Tokyo.R#09 ) R II 4 2010/09/19 22 / 40
  • 23. 2 d2j = ||xi − x j ||2 = (xi − x j )T (xi − x j ) i = ||xi ||2 + ||x j ||2 − 2xT x j i 2 bi j = xT x j = xi1 x j1 + xi2 x j2 + · · · + xi p x j p i @yokkuns (R Tokyo.R#09 ) R II 4 2010/09/19 23 / 40
  • 24. d2j = ||xi ||2 + ||x j ||2 − 2bi j i d2 = ||xi ||2 i d2j = d2 + d2 − 2bi j i i j @yokkuns (R Tokyo.R#09 ) R II 4 2010/09/19 24 / 40
  • 25. bi j 1 2 bi j = (d + d2 − d2j ) 2 i j i @yokkuns (R Tokyo.R#09 ) R II 4 2010/09/19 25 / 40
  • 26. MDS MDS cmdscale(d, k = 2, ei g = F ALSE) d : dist k : eig : @yokkuns (R Tokyo.R#09 ) R II 4 2010/09/19 26 / 40
  • 27. 21 (eur.cmd< −cmdscale(eurodist)) plot(eur.cmd,type=”n”) text(eur.cmd,rownames(eur.cmd )) @yokkuns (R Tokyo.R#09 ) R II 4 2010/09/19 27 / 40
  • 28. iris iris.dist< −dist(iris[,-5]) iris.cmd< −cmdscale(iris.dist) plot(iris.cmd,type=”n”) iris.lab< −factor(c(rep(”S”,50),rep(”C”,50),rep(”V”,50))) text(iris.cmd,labels=iris.lab,col=unclass(iris.lab)) @yokkuns (R Tokyo.R#09 ) R II 4 2010/09/19 28 / 40
  • 29. AGENDA @yokkuns (R Tokyo.R#09 ) R II 4 2010/09/19 29 / 40
  • 30. ∑∑ ˆ − di j )2 i j ( di j STRESS1 = ∑∑ 2 di j STRESS1 % 0.200 20.0% 0.100 10.0% 0.050 5.0% 0.025 2.5% 0.000 0% @yokkuns (R Tokyo.R#09 ) R II 4 2010/09/19 30 / 40
  • 31. MDS MASS isoM DS(d, y = cmdscale(d, k), k = 2, maxit = 50, t race = TRUE, t ol = 1e − 3, p = 2) MASS sammon(d, y = cmdscale(d, k), k = 2, niter = 100, t race = TRUE, ma gic = 0.2, t ol = 1e − 4) vegan met aM DS(comm, dist ance = ”bray”, k = 2, t rymax = 20, aut ot rans f orm = TRUE, noshare = 0.1, wascores = TRUE, expand = TRUE, t race = 1, plot = FALSE, previous.best, old.wa = FALSE, ...) @yokkuns (R Tokyo.R#09 ) R II 4 2010/09/19 31 / 40
  • 32. install.packages(”mlbench”) library(mlbench) install.packages(”e1071”) set.seed(100) p< −mlbench.corners(n=160) lab=as.numeric(p$classes) x.dist< −dist(p$x) library(MASS) par(mar=c(4.5,4.5,1,1), mfrow=c(2,2)) plot(cmdscale(x.dist),pch=lab,col=lab) plot(sammon(x.dist)$points,pch=lab,col=lab) plot(isoMDS(x.dist)$points,pch=lab,col=lab) install.packages(”vegan”) library(vegan) x.dist2< −as.matrix(x.dist) plot(metaMDS(x.dist2)$point,pch=lab,col=lab) @yokkuns (R Tokyo.R#09 ) R II 4 2010/09/19 32 / 40
  • 33. @yokkuns (R Tokyo.R#09 ) R II 4 2010/09/19 33 / 40
  • 34. AGENDA @yokkuns (R Tokyo.R#09 ) R II 4 2010/09/19 34 / 40
  • 35. cmdscale isoMDS sammon metaMDS @yokkuns (R Tokyo.R#09 ) R II 4 2010/09/19 35 / 40
  • 36. AGENDA @yokkuns (R Tokyo.R#09 ) R II 4 2010/09/19 36 / 40
  • 37. R Tokyo.R#10 @yokkuns (R Tokyo.R#09 ) R II 4 2010/09/19 37 / 40
  • 38. AGENDA @yokkuns (R Tokyo.R#09 ) R II 4 2010/09/19 38 / 40
  • 39. @yokkuns (R Tokyo.R#09 ) R II 4 2010/09/19 39 / 40