Submit Search
Upload
78th Tokyo.R Radiantによるデータ分析入門
•
Download as PPTX, PDF
•
5 likes
•
3,633 views
ケ
ケンタ タナカ
Follow
2019年5月25日に第78回Tokyo.Rで発表した「Radiantによるデータ分析入門」の資料です。
Read less
Read more
Data & Analytics
Report
Share
Report
Share
1 of 23
Download now
Recommended
最適輸送入門
最適輸送入門
joisino
距離とクラスタリング
距離とクラスタリング
大貴 末廣
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
『バックドア基準の入門』@統数研研究集会
『バックドア基準の入門』@統数研研究集会
takehikoihayashi
【論文紹介】How Powerful are Graph Neural Networks?
【論文紹介】How Powerful are Graph Neural Networks?
Masanao Ochi
Probabilistic face embeddings
Probabilistic face embeddings
Kazuki Maeno
機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明
Satoshi Hara
よくわかるフリストンの自由エネルギー原理
よくわかるフリストンの自由エネルギー原理
Masatoshi Yoshida
Recommended
最適輸送入門
最適輸送入門
joisino
距離とクラスタリング
距離とクラスタリング
大貴 末廣
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
『バックドア基準の入門』@統数研研究集会
『バックドア基準の入門』@統数研研究集会
takehikoihayashi
【論文紹介】How Powerful are Graph Neural Networks?
【論文紹介】How Powerful are Graph Neural Networks?
Masanao Ochi
Probabilistic face embeddings
Probabilistic face embeddings
Kazuki Maeno
機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明
Satoshi Hara
よくわかるフリストンの自由エネルギー原理
よくわかるフリストンの自由エネルギー原理
Masatoshi Yoshida
マルチモーダル深層学習の研究動向
マルチモーダル深層学習の研究動向
Koichiro Mori
トピックモデルの基礎と応用
トピックモデルの基礎と応用
Tomonari Masada
深層学習の不確実性 - Uncertainty in Deep Neural Networks -
深層学習の不確実性 - Uncertainty in Deep Neural Networks -
tmtm otm
Prophet入門【Python編】Facebookの時系列予測ツール
Prophet入門【Python編】Facebookの時系列予測ツール
hoxo_m
Private Recommender Systems: How Can Users Build Their Own Fair Recommender S...
Private Recommender Systems: How Can Users Build Their Own Fair Recommender S...
joisino
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
Preferred Networks
ネットワーク科学で挑戦するゲームマーケティング改革
ネットワーク科学で挑戦するゲームマーケティング改革
RyoAdachi
協調フィルタリングを利用した推薦システム構築
協調フィルタリングを利用した推薦システム構築
Masayuki Ota
【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models
cvpaper. challenge
研究分野をサーベイする
研究分野をサーベイする
Takayuki Itoh
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
SSII
XAI (説明可能なAI) の必要性
XAI (説明可能なAI) の必要性
西岡 賢一郎
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
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2
Preferred Networks
Recent Advances on Transfer Learning and Related Topics Ver.2
Recent Advances on Transfer Learning and Related Topics Ver.2
Kota Matsui
機械学習で嘘をつく話
機械学習で嘘をつく話
Satoshi Hara
Hessian free
Hessian free
Jiro Nishitoba
機械学習で泣かないためのコード設計
機械学習で泣かないためのコード設計
Takahiro Kubo
機械学習応用システムの安全性の研究動向と今後の展望
機械学習応用システムの安全性の研究動向と今後の展望
Nobukazu Yoshioka
分散深層学習 @ NIPS'17
分散深層学習 @ NIPS'17
Takuya Akiba
Snowflake Architecture and Performance(db tech showcase Tokyo 2018)
Snowflake Architecture and Performance(db tech showcase Tokyo 2018)
Mineaki Motohashi
この Visualization がすごい2014 〜データ世界を彩るツール6選〜
この Visualization がすごい2014 〜データ世界を彩るツール6選〜
Takahiro Inoue
More Related Content
What's hot
マルチモーダル深層学習の研究動向
マルチモーダル深層学習の研究動向
Koichiro Mori
トピックモデルの基礎と応用
トピックモデルの基礎と応用
Tomonari Masada
深層学習の不確実性 - Uncertainty in Deep Neural Networks -
深層学習の不確実性 - Uncertainty in Deep Neural Networks -
tmtm otm
Prophet入門【Python編】Facebookの時系列予測ツール
Prophet入門【Python編】Facebookの時系列予測ツール
hoxo_m
Private Recommender Systems: How Can Users Build Their Own Fair Recommender S...
Private Recommender Systems: How Can Users Build Their Own Fair Recommender S...
joisino
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
Preferred Networks
ネットワーク科学で挑戦するゲームマーケティング改革
ネットワーク科学で挑戦するゲームマーケティング改革
RyoAdachi
協調フィルタリングを利用した推薦システム構築
協調フィルタリングを利用した推薦システム構築
Masayuki Ota
【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models
cvpaper. challenge
研究分野をサーベイする
研究分野をサーベイする
Takayuki Itoh
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
SSII
XAI (説明可能なAI) の必要性
XAI (説明可能なAI) の必要性
西岡 賢一郎
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
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2
Preferred Networks
Recent Advances on Transfer Learning and Related Topics Ver.2
Recent Advances on Transfer Learning and Related Topics Ver.2
Kota Matsui
機械学習で嘘をつく話
機械学習で嘘をつく話
Satoshi Hara
Hessian free
Hessian free
Jiro Nishitoba
機械学習で泣かないためのコード設計
機械学習で泣かないためのコード設計
Takahiro Kubo
機械学習応用システムの安全性の研究動向と今後の展望
機械学習応用システムの安全性の研究動向と今後の展望
Nobukazu Yoshioka
分散深層学習 @ NIPS'17
分散深層学習 @ NIPS'17
Takuya Akiba
What's hot
(20)
マルチモーダル深層学習の研究動向
マルチモーダル深層学習の研究動向
トピックモデルの基礎と応用
トピックモデルの基礎と応用
深層学習の不確実性 - Uncertainty in Deep Neural Networks -
深層学習の不確実性 - Uncertainty in Deep Neural Networks -
Prophet入門【Python編】Facebookの時系列予測ツール
Prophet入門【Python編】Facebookの時系列予測ツール
Private Recommender Systems: How Can Users Build Their Own Fair Recommender S...
Private Recommender Systems: How Can Users Build Their Own Fair Recommender S...
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
ネットワーク科学で挑戦するゲームマーケティング改革
ネットワーク科学で挑戦するゲームマーケティング改革
協調フィルタリングを利用した推薦システム構築
協調フィルタリングを利用した推薦システム構築
【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models
研究分野をサーベイする
研究分野をサーベイする
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
XAI (説明可能なAI) の必要性
XAI (説明可能なAI) の必要性
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
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2
Optuna Dashboardの紹介と設計解説 - 2022/12/10 Optuna Meetup #2
Recent Advances on Transfer Learning and Related Topics Ver.2
Recent Advances on Transfer Learning and Related Topics Ver.2
機械学習で嘘をつく話
機械学習で嘘をつく話
Hessian free
Hessian free
機械学習で泣かないためのコード設計
機械学習で泣かないためのコード設計
機械学習応用システムの安全性の研究動向と今後の展望
機械学習応用システムの安全性の研究動向と今後の展望
分散深層学習 @ NIPS'17
分散深層学習 @ NIPS'17
Similar to 78th Tokyo.R Radiantによるデータ分析入門
Snowflake Architecture and Performance(db tech showcase Tokyo 2018)
Snowflake Architecture and Performance(db tech showcase Tokyo 2018)
Mineaki Motohashi
この Visualization がすごい2014 〜データ世界を彩るツール6選〜
この Visualization がすごい2014 〜データ世界を彩るツール6選〜
Takahiro Inoue
Sit tokyo2022 How does DWC change future of business analytics
Sit tokyo2022 How does DWC change future of business analytics
ssuserf40d8b
Node-REDのworldmapの活用
Node-REDのworldmapの活用
OSgeo Japan
JAWS-UG広島 - 2019-07-12 - 金融ビッグデータを守るリソースポリシー実例
JAWS-UG広島 - 2019-07-12 - 金融ビッグデータを守るリソースポリシー実例
Yutaro Ono
Microsoft Ignite Fall 2021 Data Platform Update Topics
Microsoft Ignite Fall 2021 Data Platform Update Topics
Microsoft
Spark Summit 2014 の報告と最近の取り組みについて
Spark Summit 2014 の報告と最近の取り組みについて
Recruit Technologies
Synapse lakedatabase
Synapse lakedatabase
Ryoma Nagata
PCCC21:株式会社アックス「俺のハードウェア」
PCCC21:株式会社アックス「俺のハードウェア」
PC Cluster Consortium
Reactive Workflow Argo Eventsの紹介
Reactive Workflow Argo Eventsの紹介
Daisuke Taniwaki
講演資料「Azure AI Update Ignite Fall 2021を振り返ろう!」
講演資料「Azure AI Update Ignite Fall 2021を振り返ろう!」
Kohei Ogawa
【講演資料】ビッグデータ時代の経営を支えるビジネスアナリティクスソリューション
【講演資料】ビッグデータ時代の経営を支えるビジネスアナリティクスソリューション
Dell TechCenter Japan
【2017.03】cvpaper.challenge2017
【2017.03】cvpaper.challenge2017
cvpaper. challenge
[db tech showcase Tokyo 2017] E35: 12台でやってみた!DWHソフトウェアアプライアンス Db2 Warehouse ~...
[db tech showcase Tokyo 2017] E35: 12台でやってみた!DWHソフトウェアアプライアンス Db2 Warehouse ~...
Insight Technology, Inc.
Apache Sparkの基本と最新バージョン3.2のアップデート(Open Source Conference 2021 Online/Fukuoka ...
Apache Sparkの基本と最新バージョン3.2のアップデート(Open Source Conference 2021 Online/Fukuoka ...
NTT DATA Technology & Innovation
M06_DX を担うエンジニア向け Data & AI Analytics プラットフォームの最適解 ~ Azure Synapse 最新機能ご紹介 ~ ...
M06_DX を担うエンジニア向け Data & AI Analytics プラットフォームの最適解 ~ Azure Synapse 最新機能ご紹介 ~ ...
日本マイクロソフト株式会社
2015年2月26日 dsthHUB 『DataSpiderインターナル プラガブルアーキテクチャで広がる可能性』
2015年2月26日 dsthHUB 『DataSpiderインターナル プラガブルアーキテクチャで広がる可能性』
dstn
Gitlab ci & ecsへのデプロイ
Gitlab ci & ecsへのデプロイ
iwata jaws-ug
【de:code 2020】 Azure Synapse Analytics 技術編 ~ 最新の統合分析プラットフォームによる新しい価値の創出(前編)
【de:code 2020】 Azure Synapse Analytics 技術編 ~ 最新の統合分析プラットフォームによる新しい価値の創出(前編)
日本マイクロソフト株式会社
Mulvery@沖縄Ruby会議02
Mulvery@沖縄Ruby会議02
Daichi Teruya
Similar to 78th Tokyo.R Radiantによるデータ分析入門
(20)
Snowflake Architecture and Performance(db tech showcase Tokyo 2018)
Snowflake Architecture and Performance(db tech showcase Tokyo 2018)
この Visualization がすごい2014 〜データ世界を彩るツール6選〜
この Visualization がすごい2014 〜データ世界を彩るツール6選〜
Sit tokyo2022 How does DWC change future of business analytics
Sit tokyo2022 How does DWC change future of business analytics
Node-REDのworldmapの活用
Node-REDのworldmapの活用
JAWS-UG広島 - 2019-07-12 - 金融ビッグデータを守るリソースポリシー実例
JAWS-UG広島 - 2019-07-12 - 金融ビッグデータを守るリソースポリシー実例
Microsoft Ignite Fall 2021 Data Platform Update Topics
Microsoft Ignite Fall 2021 Data Platform Update Topics
Spark Summit 2014 の報告と最近の取り組みについて
Spark Summit 2014 の報告と最近の取り組みについて
Synapse lakedatabase
Synapse lakedatabase
PCCC21:株式会社アックス「俺のハードウェア」
PCCC21:株式会社アックス「俺のハードウェア」
Reactive Workflow Argo Eventsの紹介
Reactive Workflow Argo Eventsの紹介
講演資料「Azure AI Update Ignite Fall 2021を振り返ろう!」
講演資料「Azure AI Update Ignite Fall 2021を振り返ろう!」
【講演資料】ビッグデータ時代の経営を支えるビジネスアナリティクスソリューション
【講演資料】ビッグデータ時代の経営を支えるビジネスアナリティクスソリューション
【2017.03】cvpaper.challenge2017
【2017.03】cvpaper.challenge2017
[db tech showcase Tokyo 2017] E35: 12台でやってみた!DWHソフトウェアアプライアンス Db2 Warehouse ~...
[db tech showcase Tokyo 2017] E35: 12台でやってみた!DWHソフトウェアアプライアンス Db2 Warehouse ~...
Apache Sparkの基本と最新バージョン3.2のアップデート(Open Source Conference 2021 Online/Fukuoka ...
Apache Sparkの基本と最新バージョン3.2のアップデート(Open Source Conference 2021 Online/Fukuoka ...
M06_DX を担うエンジニア向け Data & AI Analytics プラットフォームの最適解 ~ Azure Synapse 最新機能ご紹介 ~ ...
M06_DX を担うエンジニア向け Data & AI Analytics プラットフォームの最適解 ~ Azure Synapse 最新機能ご紹介 ~ ...
2015年2月26日 dsthHUB 『DataSpiderインターナル プラガブルアーキテクチャで広がる可能性』
2015年2月26日 dsthHUB 『DataSpiderインターナル プラガブルアーキテクチャで広がる可能性』
Gitlab ci & ecsへのデプロイ
Gitlab ci & ecsへのデプロイ
【de:code 2020】 Azure Synapse Analytics 技術編 ~ 最新の統合分析プラットフォームによる新しい価値の創出(前編)
【de:code 2020】 Azure Synapse Analytics 技術編 ~ 最新の統合分析プラットフォームによる新しい価値の創出(前編)
Mulvery@沖縄Ruby会議02
Mulvery@沖縄Ruby会議02
78th Tokyo.R Radiantによるデータ分析入門
1.
Radiantによる データ分析入門 Tokyo.R 2019-05-25 タナカ ケンタ https://mana.bi/
2.
1 Radiantとは (1) "Business
analytics" のためのRパッケージ ShinyによるブラウザベースのGUIで、容易に "EDA" や "Reproducible research" が可能 UCSDのMBAコースで使用されている インストール、アップデートは関数1つで簡単 (後述) https://vnijs.github.io/radiant/
3.
1 Radiantとは (2)
ブラウザ上でのマウス操作で、グラフ作成、クロス集計、データ加工などができる
4.
2 探索的データ解析 (EDA)
(1) John W. Tukeyによるデータ分析の考え方 データの観察を基に、仮説立案、手法選択、高度 な分析のためのデータ収集計画などを検討する 2018年の「Kaggle流行語大賞」に選ばれた (Wikipediaいわく) EDAに触発されて "S" が作られ、 Sを基にRが作られたので、ある種Rの源流と言える
5.
2 探索的データ解析 (EDA)
(2) 1970年代に提唱された古典的な方法論だが、現在あらためて注目が集まっている
6.
3 Radiantのインストール・アップデート RadiantはCRANに登録されており、基本的に install.packages("radiant") だけで インストールできる RadiantのWebサイトから、開発版のインストール、 アップデートもできる radiant::launcher()
関数でデスクトップに 起動用のショートカットを作成できる (Win, macOS)
7.
4 Radiantの起動・終了 1. Rのコンソールからパッケージを読み込み、起動する 2.
RStudioのアドインとして動作するので、UIのボタンから起動する 3. launcher() 関数で作ったショートカットから起動する > library(radiant) > radiant()
8.
5 データの読み込み 5.1 サンプルデータの読み込み Radiantには起動時点で
diamonds と titanic データセットが読み込まれている その他、examples データを読み込み、多数のサン プルデータセットを使用可能
9.
5.2 CSVファイルの読み込み ローカルのファイルまたはURLから、CSVファイルを読み込める
区切り文字、見出し行の有無、読み込む行数なども指定可能
10.
5.3 クリップボードからの読み込み Excelなどのデータについては、クリップボード経由でも読み込める
11.
6 データの観察 高度なデータ分析も、まずはデータを眺めるところから
Radiantでは、グラフによる可視化と、ピボットテーブルによる集計が簡単にできる
12.
7 データの可視化 Radiantでは、ヒストグラム、確率密度曲線、散布図、3D曲面プロット、 折れ線グラフ、棒グラフ、箱ひげ図を描くことができる
軸やラベル、外観のテーマ設定などもGUIで選択、設定できる
13.
8 データの集計 8.1 ピボットテーブル
ピボットテーブルも集計軸を選択するだけで簡単に作成できる 平均以外に標準偏差、尖度、歪度、四分位数など様々な観点で集計可能
14.
8.2 集計関数の適用 "Explore"
タブでデータをグループ化し、様々な集計関数を適用して観察できる
15.
9 データの加工 "Transform"
タブで既存のデータを加工し、新しい列を追加するなどができる "Combine" タブで複数のデータフレームを結合 (Join) できる
16.
10 モデリング 10.1 回帰モデル
"Model" - "Estimate" - "Linear Regression" から様々なパラメータを選択 して回帰モデルを作成できる モデルの精度評価も、数値とグラフをGUIで操作して行える
17.
10.2 分類モデル (1)
"Logistic Regression" など、いくつかの分類アルゴリズムをサポートしている
18.
10.2 分類モデル (2)
決定木のプロットも簡単にできる
19.
11 多変量解析 11.1 クラスタリング
"Multivariate" - "Cluster" でクラスタリングができる k-means法、階層的クラスタリングに対応している
20.
11.2 因子分析 "Multivariate"
- "Factor" で因子分析ができる 最尤法、主成分分析による方法 (?) が選択でき、多くの回転法をサポートする
21.
11.3 コンジョイント分析 マーケティングにおいて、最適な商品設計をする際の判断基準として行われる
"Multivariate" - "Conjoint" で容易に実行可能
22.
12 レポートの作成 ここまでGUIで行ってきた操作の結果をRMarkdownで書き出せる
日本語にも対応しており、様々な形式でエクスポート可能
23.
13 まとめ Radiantは "Business
analytics" のためのRパッケージ インストール、アップデートは関数1つで簡単 RStudioのアドインとして動作する 可視化、集計がGUIで簡単にできる 回帰、分類、クラスタリングなど一般的なデータ分析手法を サポートしている 操作の結果をRMarkdownで書き出せる
Download now