www.crosshyou.info 前回は lm()関数でクオリティを推計してみました。今回はglmnetパッケージを使ってクオリティを推計してみます。lm()関数での正解率は53.9%でしたので、この正解率を上回って欲しいです。 glmnetパッケージのcv.glmnet()関数でLASSO回帰…

www.crosshyou.info の続きです。今回はいよいよ本丸のワインのクオリティを予測してみましょう。 まずはlm()関数で線形モデルをOLSで推計します。 citric_acid以外の変数は全て、有意な変数ですね。R2が0.3なのでそれほど正確な値を予測するモデルではない…

www.crosshyou.info の続きです。 今回は glmnet パッケージを使って、赤ワインと白ワインをロジスティクス回帰で分類する、ということをやってみましょう。 まず、glmnet パッケージを読み込みます。 dfからglmnetで使えるようにマトリックスをつくります。…

www.crosshyou.info の続きです。今回は赤ワインと白ワインの違いをヒストグラムにしてみてみます。 まずは、fixed_acidityです。 上段のピンクが赤ワインで、下段のグリーンが白ワインです。赤ワインのほうが幅広く分布しています。 このようなヒストグラム…

英作文の技術 “3世界・24文型”で伝える (中公新書) 作者:澤井康佑,マーク・ピーターセン 中央公論新社 Amazon 本書の題名のとおり、3世界(名詞と動詞の世界、イコールの世界、SV + 文内容の世界)とそれらの中身の24文型から英作文を考える、という本です。 …

www.crosshyou.info の続きです。データ分析をしやすいように、いくつかデータフレームに手を加えます。 はじめに、colorをファクター型にします。 白ワインのほうが多い事がわかります。 次に各変数の数値範囲を統一したいと思うので、自作の関数を作ります…

今回からしばらくは、UCI Machine Leraning Repository にある Wine Quality のデータを分析しようと思います。 Cortez, P., Cerdeira, A., Almeida, F., Matos, T., & Reis, J. (2009). Wine Quality [Dataset]. UCI Machine Learning Repository. https://…

www.crosshyou.info の続きです。今回は課税所得と昼夜人口比率の関係を調べてみます。前回、前々回は昼夜人口比率と人口密度、昼夜人口比率と商品販売額と1つの変数と1つの変数の関係でしたが、今回は、人口密度と商品販売額をコントロールした上で、課税所…

www.crosshyou.info 前回の続きです。前回は昼夜人口比率と人口密度の関係を調べてみました、その結果、昼間の人口のほうが多い都市のほうが人口密度が低いことがわかりました。 今回は、昼夜人口比率と商品販売額の関係を調べてみましょう。前回は、dayとい…

(冒頭の画像は、Bing Image Creator で生成しました。プロンプトは Close up photograph of yellow daisy flowers, flowering under the high blue sky, photo です。) www.crosshyou.info の続きです。今回は昼間の人口が多い都市と夜の人口が多い都市の違…

www.crosshyou.info の続きです。 今回は各変数の上位都市、下位都市はどういう都市か確認します。 mitsudo: 人口密度から見ていきます。 可住地面積1平方km当りの人数です。一番多いのは、豊島区で22781人で、一番少ないのは山口氏の792人です。 次は昼夜人…

地球外生命 われわれは孤独か (岩波新書) 作者:長沼 毅,井田 茂 岩波書店 Amazon 生命は私たちが住む地球という惑星の他にもいるのだろうか？ということを天文学者と生物学者が書いた本です。 前に読んだ太陽系外惑星の本を思い出しました。この宇宙には私た…

www.crosshyou.info の続きです。 今回は各変数のヒストグラムを描いて、どんな感じの分布なのかを確認します。 まずは、人口密度からです。 人口密度の低い都市が多い分布ですね。 ここで、geom_histogram(color = "white", bins = 20)のところは何度も使う…

今回は東京23区や県庁所在市、政令都市、中核都市のデータを分析してみようと思います。政府統計の総合窓口(e-stat)からデータを取得します。 このように都市を選択します。 データは上の４つのデータをしてみました。人口密度、昼夜人口比率、商品販売額、…

倫理学入門-アリストテレスから生殖技術、AIまで (中公新書 2598) 作者:品川 哲彦 中央公論新社 Amazon 倫理学の入門書ということで、アリストテレスの徳倫理学やホッブズの社会契約論やロックの社会契約論などがフローチャートを活用してわかりやすく説明さ…

www.crosshyou.info の続きです。前回、前々回は去年と比べた生活の向上感をみました。今回は現在の生活の満足度をみてみます。 令和7年の調査では満足は50.2%(2729人中)で、令和6年は52.0%(1831人中)でした。 1.8ポイントの低下です。果たしてこの1.8ポイン…

www.crosshyou.info の続きです。今回は、去年よりも今年のほうが「向上した」という比率だけに注目します。 令和7年の「向上した」の比率は、5.3%で、令和6年の「向上した」の比率は、4.7%です。0.6パーセンテージ・ポイントの差がありますが、これは統計的…

今回は、昨日(9月26日)発表された、内閣府が実施した「国民生活に関する世論調査」をみてみます。 https://survey.gov-online.go.jp/202509/r07/r07-life/gairyaku.pdf このPDFファイルが調査結果ですね。 第1問は去年と比べた生活の向上感を質問しています…

www.crosshyou.info の続きです。前回はglmnetのfamily = "multinomial"のモデルでA, B, Cを分類しました。 結果は、99.1%という正解率でした。 今回は、rangerパッケージでランダムフォレストのモデルで同じデータで予測してみます。 まずは、パッケージの…

www.crosshyou.info の続きです。前回はUCIのLetter RecognitionのデータをRに取り込みました。これから、文字認識のモデルを作成していきます。 とはいうものの、26文字全てを認識するモデルを作るのは私にはできないので、今回は、A, B, Cの3文字を識別す…

今回は、UCI Machine Learning RepositoryのLetter Recognition (Slate, D. (1991). Letter Recognition [Dataset]. UCI Machine Learning Repository. https://doi.org/10.24432/C5ZP40.)のデータを分析してみようと思います。 ダウンロードしたデータは、 …

www.crosshyou.info の続きです。前回はlm()関数で重回帰分析をしました。 今回は、PCA(Principal Component Analysis), 主成分分析をしてみたいと思います。 prcomp()関数を使います。 prefは都道府県名なので除外しています。siryoとkakoはNAがあるので除…

www.crosshyou.info の続きです。前回は、dtotal: 総需要量を stotal: 総供給量という一つの説明変数で単回帰分析しました。今回はその他の説明変数を加えて、重回帰分析をしてみようと思います。 てはじめにfzaiko: 期初の在庫量と lzaiko: 期末の在庫量を…

www.crosshyou.info の続きです。前回はエクセルに保存してあるデータをRに読み込みました。今回は読み込んだデータをみていきます。 まず、summary()関数で各変数の統計値を確認します。 あれ！？siryoとkakoが数値データでなくて、文字列データとして処理…

今回は、政府統計の総合窓口(www.e-stat.go.jp)から生産者の米穀在庫等調査のデータを分析してみます。 www.e-stat.go.jp 「本調査は毎月、農家の米穀の在庫等を調査し、～～～」ってありますが、e-statにあるのは2019-01-08に公開した統計だけです。このよ…

人類哲学序説 (岩波新書) 作者:梅原 猛 岩波書店 Amazon 2011年の秋に京都芸術大学で行われた講義をまとめたものです。 デカルトから始まったヨーロッパの近代哲学は人間中心の哲学で、自然は人間が征服すべきもの、というものなので、これからの世界ではダ…

アメリカ海兵隊: 非営利型組織の自己革新 (中公新書 1272) 作者:野中 郁次郎 中央公論新社 Amazon アメリカ独立戦争のときに、英国に海兵隊という組織があるから、という単純な理由で結成されたアメリカ海兵隊が、水陸両用作戦という画期的な概念を生み出し…

www.crosshyou.info の続きです。前回は、t.test()関数で令和5年の精神科病院の在院患者数の比率と令和3年の比率を比較して、統計的に有意な差は認められないことを確認しました。 今回は、inferパッケージのワークフローを適用して、コンピューターシミュレ…

www.crosshyou.info の続きです。 今回は令和3年と令和5年の精神科病院の患者数の比率を比較して、比率が増えているのか、減っているのかをみてみましょう。 令和3年の精神科病院の患者数の比率を確認します。 在院患者数の比率は0.193が平均値です。 令和5…

自分の忘備録として残しておきます。(最終更新日: 2025-08-24) ####################################################### ######## tidymodelsで回帰分析・2値の分類をする方法 ######## ################################################################…