Rでテキストファイルの読み込みからデータ加工の流れ（前処理）で覚えておくとかなり便利、あるいはよくハマるポイントを中心に。 細かい知識が多いのだがまとまったものがなかったのでまとめてみた。 ありがちなハマりを回避して作業効率を上げるために。 データの読み込み データファイルの読み込み プロジェクトごとにワーキングディレクトリをセットするといい CSVファイルの読み込み read.csv()はヘッダありが前提。 文字コード fileEncoding="文字コード名"で指定できる。Windowsで作ったCSVを読み込む際、BOMが付いていることがあるのでfileEncoding="UTF-8-BOM"とする 文字列の扱い 文字列が自動的にfactor型になるので、不都合な場合はstringsAsFactors=Fを指定する 欠損値の扱い 欠損値が空欄であったり、データベースからエクスポートした
Javascriptで正規分布の 乱数発生（rnorm）、確率密度関数（dnorm）、累積分布関数（pnorm）、累積分布の逆関数（qnorm） を実装する（逆関数は参照で）。すべて標準正規分布を想定。 Javascriptに限らず使えるアルゴリズムだが、日本語でまとまっている情報があまりないのと、ブラウザ上でA/Bテストなど有意性をみる検定などできたら面白いということでJSでやってみる。 正規乱数の生成（rnorm） 1行でBox-Muller法で。 Box-Muller法とは？
Rには豊富な外部パッケージがあり、それらを使うことで より大きなデータ（「ビッグデータ」ではないが）や新しい手法を扱えるようになる。 パッケージを知っているのと知らないのとで分析作業効率に雲泥の差がある一方で、 パッケージ数は多く、同じような目的のパッケージが複数ある。 日本語で詳細に説明されたものも少ない。 単純な日本語訳は http://www.trifields.jp/statistical-analysis-r-cran-packages-341 にある（ありがたい！）が、 よく使うもの、この目的・手法ではこれがいいのではないかというものを目的別に分類して厳選してみた。 以下に記載のないものはデフォルトで組み込まれているか、以下のパッケージが自動で使用する（依存関係）パッケージである。 data.table系 → {data.table} sparse matrix系 → {Mat
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
処理を実行中です
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