科学・IＴ・登山の話題
投稿日：2014年7月3日 更新日：
# tidyデータの原則
# 1カラム = 1変数
# 1行 = 1観察
# 1テーブル = 1 unique key
# foreign key to link
# テーブル全体で見ること
# カラム名は正しい
# カラム名の意味が分かりやすい
# 1項目 = 1変数
# 項目のデータは意味があるか
# 1テーブル = 1 unique key
# foreign key to link
# 各変数について確認すること
# missing value
# はずれ値
# skew -> logでとることを考える
# range
# データがマイナスや0のときはそれが正しいのか、おかしいならその理由を明らかにする
# 行について確認すること
# 1レコード = 1観察
執筆者：admin
関連記事
Core Concept in Data Analysis – Week 5
予測の分析 関連性を分析する モデルを明らかにする。 パラメータを推測する。 テストする。 予測が将来になると難しい→環境が変わってしまうため。 correlation structure (質的尺度 …
仕事で始める機械学習 – 3.学習結果を評価しよう – 指標
主な指標 モデル構築後に確認する主な指標は４つある。 正解率 適合率 再現率 F値 正解率 $$ 正解率 = \frac{TP + TN}{TP+FP+TN+FN} $$ 正解率は全データ数に対する正 …
デザイン コントロールグループはあるか モデル 検定の前提は満たしているか（正規分布） 従属変数の尺度は適切か（名義、順序、間隔、比率） 独立変数の数は適切か モデルについて説明できるか（独立変数の数 …
DictVectorizerを使ってカテゴリデータについて特徴抽出をする
都市における温度データを考える。 measure = [ {‘city’: ‘Dubai’, ‘temperature’: 33.}, {‘city’: ‘London’, ‘temperature’ …
これまでは正解ラベルがある前提、つまり教師あり学習でモデルを構築した。今回は正解ラベルがない前提でモデルを構築する。 教師なし学習としては混合ガウスモデルを利用する。 内容 データの読み込み、前処理 …