科学の箱

科学・IT・登山の話題

機械学習

スピアマンの順位相関

投稿日:

スピアマンの順位相関を利用して県のデータを使った相関係数を出してみる。

持家普及率を自動車普及率のランキングは、土地がせまいほど低く、有効な土地が広いほど高くなるために順位相関があると考えられる。

持家普及率のデータはこちらから取得した。

自動車普及率は同じサイトのこちらからである。

エクセルによる分析

エクセル上で持家普及率と自動車普及率をまとめた表を作成する。下記はその抜粋である。

excel_data

カラムEには順位を掛け合わせた値を入力する。

E1 = A1 * C1

スピアマンの相関係数を計算する。

spearman_template

Rによる分析

> data<-read.csv("data.csv")
> head(data)
     pre home car
1 愛知県   41  32
2 愛媛県   31  34
3 茨城県   15  12
4 岡山県   26  15
5 沖縄県   46  38
6 岩手県   12  23

> cor.test(data$home, data$car, method="spearman")

        Spearman's rank correlation rho

data:  data$home and data$car 
S = 3906, p-value < 2.2e-16
alternative hypothesis: true rho is not equal to 0 
sample estimates:
      rho 
0.7741674

data

メタ情報

inarticle



メタ情報

inarticle



-機械学習

執筆者:


comment

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です

関連記事

no image

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’ …

no image

線形回帰とリッジ回帰を比較する

リッジ回帰はL2ノルムの正則項を導入することで、過学習を防ぐ。この場合過学習を防ぐとは、重みを0の方向に動かすという意味である。実際に線形回帰とリッジ回帰を比べてみて、どのようにモデルが変わるかを確認 …

no image

会社を変える分析の力

ユーザに関する問題 不確実性 過剰期待 事前期待 分析モデルの利用 パターン 変数の数 分析の利用 予測 判別 グループ 検知 最適化 発見 探索 データ分析の必要性 なぜ誤差がでるのか Costは …

no image

仕事で始める機械学習 – 4章 システムに機械学習を組み込む

機械学習アーキテクチャ 学習方法としては3つのパターンがある バッチ処理で一括学習 バッチ処理で逐次学習 リアルタイムで逐次学習 学習と予測パターンの提供方法としては4つのパターンがある バッチ学習- …

no image

dataanalysis-002-week2

Structure of Data Analysis 質問を定義する 理想的なデータセットの定義 アクセスできるデータの検索 データの取得 クレンジング Exploratory 統計的予測・モデリング …

2014年1月
« 12月   2月 »
 12345
6789101112
13141516171819
20212223242526
2728293031  

side bar top



アーカイブ

カテゴリー