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

「ベータ分布の謎に迫る」第6回 プログラマのための数学勉強会 LT資料
「ベータ分布の謎に迫る」第6回 プログラマのための数学勉強会 LT資料「ベータ分布の謎に迫る」第6回 プログラマのための数学勉強会 LT資料
「ベータ分布の謎に迫る」第6回 プログラマのための数学勉強会 LT資料Ken'ichi Matsui
 
学振特別研究員になるために~2023年度申請版
学振特別研究員になるために~2023年度申請版学振特別研究員になるために~2023年度申請版
学振特別研究員になるために~2023年度申請版Masahito Ohue
 
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」Ken'ichi Matsui
 
ひたすら楽してスライド作成
ひたすら楽してスライド作成ひたすら楽してスライド作成
ひたすら楽してスライド作成Masanori Morise
 
画像認識の初歩、SIFT,SURF特徴量
画像認識の初歩、SIFT,SURF特徴量画像認識の初歩、SIFT,SURF特徴量
画像認識の初歩、SIFT,SURF特徴量takaya imai
 
非線形データの次元圧縮 150905 WACODE 2nd
非線形データの次元圧縮 150905 WACODE 2nd非線形データの次元圧縮 150905 WACODE 2nd
非線形データの次元圧縮 150905 WACODE 2ndMika Yoshimura
 
[DL輪読会]Learning Latent Dynamics for Planning from Pixels
[DL輪読会]Learning Latent Dynamics for Planning from Pixels[DL輪読会]Learning Latent Dynamics for Planning from Pixels
[DL輪読会]Learning Latent Dynamics for Planning from PixelsDeep Learning JP
 
Sift特徴量について
Sift特徴量についてSift特徴量について
Sift特徴量についてla_flance
 
z変換をやさしく教えて下さい (音響学入門ペディア)
z変換をやさしく教えて下さい (音響学入門ペディア)z変換をやさしく教えて下さい (音響学入門ペディア)
z変換をやさしく教えて下さい (音響学入門ペディア)Shinnosuke Takamichi
 
ConditionalPointDiffusion.pdf
ConditionalPointDiffusion.pdfConditionalPointDiffusion.pdf
ConditionalPointDiffusion.pdfTakuya Minagawa
 
SSII2020TS: 機械学習モデルの判断根拠の説明​ 〜 Explainable AI 研究の近年の展開 〜​
SSII2020TS: 機械学習モデルの判断根拠の説明​ 〜 Explainable AI 研究の近年の展開 〜​SSII2020TS: 機械学習モデルの判断根拠の説明​ 〜 Explainable AI 研究の近年の展開 〜​
SSII2020TS: 機械学習モデルの判断根拠の説明​ 〜 Explainable AI 研究の近年の展開 〜​SSII
 
Rプログラミング02 データ入出力編
Rプログラミング02 データ入出力編Rプログラミング02 データ入出力編
Rプログラミング02 データ入出力編wada, kazumi
 
心理学におけるベイズ統計の流行を整理する
心理学におけるベイズ統計の流行を整理する心理学におけるベイズ統計の流行を整理する
心理学におけるベイズ統計の流行を整理するHiroshi Shimizu
 
AHC-Lab M1勉強会 論文の読み方・書き方
AHC-Lab M1勉強会 論文の読み方・書き方AHC-Lab M1勉強会 論文の読み方・書き方
AHC-Lab M1勉強会 論文の読み方・書き方Shinagawa Seitaro
 
[DL輪読会]GQNと関連研究,世界モデルとの関係について
[DL輪読会]GQNと関連研究,世界モデルとの関係について[DL輪読会]GQNと関連研究,世界モデルとの関係について
[DL輪読会]GQNと関連研究,世界モデルとの関係についてDeep Learning JP
 
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -MPRG_Chubu_University
 
学振特別研究員になるために~2018年度申請版
学振特別研究員になるために~2018年度申請版学振特別研究員になるために~2018年度申請版
学振特別研究員になるために~2018年度申請版Masahito Ohue
 
【論文読み会】Alias-Free Generative Adversarial Networks(StyleGAN3)
【論文読み会】Alias-Free Generative Adversarial Networks(StyleGAN3)【論文読み会】Alias-Free Generative Adversarial Networks(StyleGAN3)
【論文読み会】Alias-Free Generative Adversarial Networks(StyleGAN3)ARISE analytics
 
プレゼン・ポスターで自分の研究を「伝える」 (How to do technical oral/poster presentation)
プレゼン・ポスターで自分の研究を「伝える」 (How to do technical oral/poster presentation)プレゼン・ポスターで自分の研究を「伝える」 (How to do technical oral/poster presentation)
プレゼン・ポスターで自分の研究を「伝える」 (How to do technical oral/poster presentation)Toshihiko Yamasaki
 

What's hot (20)

「ベータ分布の謎に迫る」第6回 プログラマのための数学勉強会 LT資料
「ベータ分布の謎に迫る」第6回 プログラマのための数学勉強会 LT資料「ベータ分布の謎に迫る」第6回 プログラマのための数学勉強会 LT資料
「ベータ分布の謎に迫る」第6回 プログラマのための数学勉強会 LT資料
 
学振特別研究員になるために~2023年度申請版
学振特別研究員になるために~2023年度申請版学振特別研究員になるために~2023年度申請版
学振特別研究員になるために~2023年度申請版
 
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
 
ひたすら楽してスライド作成
ひたすら楽してスライド作成ひたすら楽してスライド作成
ひたすら楽してスライド作成
 
画像認識の初歩、SIFT,SURF特徴量
画像認識の初歩、SIFT,SURF特徴量画像認識の初歩、SIFT,SURF特徴量
画像認識の初歩、SIFT,SURF特徴量
 
非線形データの次元圧縮 150905 WACODE 2nd
非線形データの次元圧縮 150905 WACODE 2nd非線形データの次元圧縮 150905 WACODE 2nd
非線形データの次元圧縮 150905 WACODE 2nd
 
[DL輪読会]Learning Latent Dynamics for Planning from Pixels
[DL輪読会]Learning Latent Dynamics for Planning from Pixels[DL輪読会]Learning Latent Dynamics for Planning from Pixels
[DL輪読会]Learning Latent Dynamics for Planning from Pixels
 
Sift特徴量について
Sift特徴量についてSift特徴量について
Sift特徴量について
 
z変換をやさしく教えて下さい (音響学入門ペディア)
z変換をやさしく教えて下さい (音響学入門ペディア)z変換をやさしく教えて下さい (音響学入門ペディア)
z変換をやさしく教えて下さい (音響学入門ペディア)
 
AdaFace(CVPR2022)
AdaFace(CVPR2022)AdaFace(CVPR2022)
AdaFace(CVPR2022)
 
ConditionalPointDiffusion.pdf
ConditionalPointDiffusion.pdfConditionalPointDiffusion.pdf
ConditionalPointDiffusion.pdf
 
SSII2020TS: 機械学習モデルの判断根拠の説明​ 〜 Explainable AI 研究の近年の展開 〜​
SSII2020TS: 機械学習モデルの判断根拠の説明​ 〜 Explainable AI 研究の近年の展開 〜​SSII2020TS: 機械学習モデルの判断根拠の説明​ 〜 Explainable AI 研究の近年の展開 〜​
SSII2020TS: 機械学習モデルの判断根拠の説明​ 〜 Explainable AI 研究の近年の展開 〜​
 
Rプログラミング02 データ入出力編
Rプログラミング02 データ入出力編Rプログラミング02 データ入出力編
Rプログラミング02 データ入出力編
 
心理学におけるベイズ統計の流行を整理する
心理学におけるベイズ統計の流行を整理する心理学におけるベイズ統計の流行を整理する
心理学におけるベイズ統計の流行を整理する
 
AHC-Lab M1勉強会 論文の読み方・書き方
AHC-Lab M1勉強会 論文の読み方・書き方AHC-Lab M1勉強会 論文の読み方・書き方
AHC-Lab M1勉強会 論文の読み方・書き方
 
[DL輪読会]GQNと関連研究,世界モデルとの関係について
[DL輪読会]GQNと関連研究,世界モデルとの関係について[DL輪読会]GQNと関連研究,世界モデルとの関係について
[DL輪読会]GQNと関連研究,世界モデルとの関係について
 
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
 
学振特別研究員になるために~2018年度申請版
学振特別研究員になるために~2018年度申請版学振特別研究員になるために~2018年度申請版
学振特別研究員になるために~2018年度申請版
 
【論文読み会】Alias-Free Generative Adversarial Networks(StyleGAN3)
【論文読み会】Alias-Free Generative Adversarial Networks(StyleGAN3)【論文読み会】Alias-Free Generative Adversarial Networks(StyleGAN3)
【論文読み会】Alias-Free Generative Adversarial Networks(StyleGAN3)
 
プレゼン・ポスターで自分の研究を「伝える」 (How to do technical oral/poster presentation)
プレゼン・ポスターで自分の研究を「伝える」 (How to do technical oral/poster presentation)プレゼン・ポスターで自分の研究を「伝える」 (How to do technical oral/poster presentation)
プレゼン・ポスターで自分の研究を「伝える」 (How to do technical oral/poster presentation)
 

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で階層ベイズモデル
Rで階層ベイズモデルRで階層ベイズモデル
Rで階層ベイズモデル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
 

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で階層ベイズモデル
Rで階層ベイズモデルRで階層ベイズモデル
Rで階層ベイズモデル
 
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
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
 

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