close
1.

図書

図書
鈴木治郎著
出版情報: 東京 : ピアソン・エデュケーション, 2000.10  xxi, 305p ; 21cm
シリーズ名: Computer in education and research ; 2
所蔵情報: loading…
2.

図書

図書
辻谷將明, 竹澤邦夫著
出版情報: 東京 : 共立出版, 2009.6  ix, 233p ; 26cm
シリーズ名: Rで学ぶデータサイエンス / 金明哲編集 ; 6
所蔵情報: loading…
3.

図書

図書
Sau Sheong Chang著 ; 瀬戸山雅人 [ほか] 訳
出版情報: 東京 : オライリー・ジャパン , 東京 : オーム社 (発売), 2013.4  xviii, 262p ; 24cm
所蔵情報: loading…
目次情報: 続きを見る
1章 : 武器と防具の装備
2章 : いざマトリックスへ
3章 : 8つの魔法の修得
4章 : オフィスとトイレの関係
5章 : ランチタイムの経済学者になる方法
6章 : メールから自分を発見する
7章 : 心臓の鼓動
8章 : 鳥の群れを表現する
9章 : お金と性別と進化
1章 : 武器と防具の装備
2章 : いざマトリックスへ
3章 : 8つの魔法の修得
概要: 人気の高いオープンソースのツール、RとRubyを使い、生データを処理し、シミュレーションし、仮説を立て、統計的手法を用いて検証する、というデータサイエンスの基本の理解を促します。基本が学べるだけでなく、自分のメールボックスや自分の心臓の鼓動 など身近な題材を対象としており、データサイエンスの醍醐味を味わうことができる一冊です。日本語版ではさまざまな統計手法についての入門となる章を追加。この本で使っている統計の基礎も学べる構成になっています。 続きを見る
4.

図書

図書
藤本壱著
出版情報: 東京 : 自由国民社, 2016.8  243p ; 21cm
所蔵情報: loading…
目次情報: 続きを見る
本書の使い方と統計アドインのインストール
1 : 統計の基本
2 : 相関と回帰
3 : 確率変数と確率分布
4 : 推定
5 : 検定
6 : 多変量解析
本書の使い方と統計アドインのインストール
1 : 統計の基本
2 : 相関と回帰
概要: 統計アドインで分析結果をかんたん一発表示。シミュレーションがパッとできる!統計処理の基本からデータの見方、相関・回帰・確率・検定・多変量解析まで、学びながら一瞬で結果も出せる。
5.

図書

図書
小島隆矢, 山本将史著
出版情報: 東京 : オーム社, 2013.8  xxviii, 265p ; 24cm
所蔵情報: loading…
目次情報: 続きを見る
第1部 グラフィカル因果分析への招待 : 全自動因果分析の試み
潜在変数を使ってみる
第2部 グラフィカル因果分析を学ぶ : 相関と回帰
重回帰分析からパス解析へ
構造方程式モデリング
グラフィカルモデリング
因果分析の裏・表
第3部 グラフィカル因果分析の演習 : 演習:「エクセルGM」による因果分析
演習:潜在因子の因果分析
グラフィカル因果分析の実際
第1部 グラフィカル因果分析への招待 : 全自動因果分析の試み
潜在変数を使ってみる
第2部 グラフィカル因果分析を学ぶ : 相関と回帰
6.

図書

図書
涌井良幸, 涌井貞美著
出版情報: 東京 : 技術評論社, 2011.1  255p ; 26cm
所蔵情報: loading…
7.

図書

東工大
目次DB

図書
東工大
目次DB
金明哲著
出版情報: 東京 : 森北出版, 2007.10  vii, 307p ; 22cm
所蔵情報: loading…
目次情報: 続きを見る
第Ⅰ部 Rとデータマイニングの基礎 1
第1章 データマイニングとR言語 2
   1.1 データマイニングとツール 2
   1.2 Rの環境と基本操作 4
   1.3 オブジェクトと関数 5
   1.4 自作関数 8
   1.5 パッケージ 10
   1.6 ヘルプについて 14
   1.7 参考資料について 15
第2章 データの入出力と編集 16
   2.1 直接入力 16
   2.2 エディタによる入力と編集 22
   2.3 データファイルを読み込む 24
   2.4 データの出力 26
   2.5 データの結合と並び替え 28
   2.6 データの尺度と表記 31
第3章 データの演算と固有値,基本統計量 33
   3.1 データの演算 33
   3.2 固有値と特異値の分解 37
   3.3 基本統計量 40
第4章 データの視覚化 43
   4.1 棒グラフ 43
   4.2 円グラフ 46
   4.3 ヒストグラム 47
   4.4 折れ線グラフ 48
   4.5 箱ひげ図 50
   4.6 散布図 51
   4.7 その他のグラフ 58
   4.8 作図環境とグラフの利用 60
第Ⅰ部の参考文献 63
第II部 Rによるデータ解析・データマイニング 65
第1章主成分分析 66
   1.1 主成分分析とは 66
   1.2 主成分分析の基礎 68
   1.3 主成分分析のケーススタディ 69
   1.4 補遺と注釈 76
   参考文献1 77
第2章 因子分析 78
   2.1 因子分析とは 78
   2.2 因子分析の基礎 79
   2.3 因子分析のケーススタディ 81
   2.4 補遺と注釈 85
   参考文献2 86
第3章 対応分析 87
   3.1 対応分析とは 87
   3.2 対応分析の基礎 88
   3.3 対応分析のケーススタディ 89
   3.4 多重対応分析 91
   3.5 補遺と注釈 94
   参考文献3 96
第4章 多次元尺度法 97
   4.1 多次元尺度法とは 97
   4.2 距離と類似度 98
   4.3 計量的MDSのケーススタディ 100
   4.4 非計量MDS 103
   4.5 補遺と注釈 106
   参考文献4 106
第5章 クラスター分析 107
   5.1 クラスター分析とは 107
   5.2 階層的クラスター分析 108
   5.3 非階層的クラスター分析 119
   5.4 モデルに基づいたクラスター分析 121
   5.5 補遺と注釈 124
   参考文献5 126
第6章 自己組織化マップ 127
   6.1 自己組織化マップとは 127
   6.2 自己組織化マップのアルゴリズム 127
   6.3 データ解析 129
   6.4 補遺と注釈 133
   参考文献6 133
第7章 線形回帰分析 134
   7.1 回帰分析とは 134
   7.2 線形単回帰分析 135
   7.3 線形重回帰分析 143
   7.4 補遺と注釈 147
   参考文献7 147
第8章 非線形回帰分析 148
   8.1 非線形回帰分析とは 148
   8.2 ロジスティック回帰 148
   8.3 多項式回帰 152
   8.4 一般化線形モデル 155
   8.5 平滑化回帰と加法モデル 159
   8.6 補遣と注釈 162
   参考文献8 162
第9章 線形判別分析 164
   9.1 判別分析とは 164
   9.2 線形判別分析の基礎 165
   9.3 ケーススタディ 166
   9.4 交差確認 171
   9.5 補遺と注釈 172
第10章 非線形判別分析 173
   10.1 非線形判別分析とは 173
   10.2 判別関数による判別分析 173
   10.3 距離による判別分析 174
   10.4 多数決による判別分析 177
   10.5 ベイズ判別法 179
   10.6 補遺と注釈 181
   参考文献10 182
第11章 生存分析 183
   11.1 基本概念 183
   11.2 ノンパラメトリックモデル 186
   11.3 セミノンパラメトリックモデル 191
   11.4 パラメトリックモデル 198
   11.5 補遺と注釈 199
   参考文献11 199
第12章 時系列 200
   12.1 基本概念とデータの操作 200
   12.2 自己共分散と自己相関 205
   12.3 スペクトル分析 207
   12.4 ランダムウォークと単位根 209
   12.5 ARモデル 211
   12.6 ARMA/ARIMAモデル 214
   12.7 その他のモデル 217
   12.8 成分の分解 222
   12.9 多変量時系列 223
   12.10 カオス時系列 226
   12.11 補遺と注釈 228
   参考文献12 228
第13章 樹木モデル 229
   13.1 樹木モデルとは 229
   13.2 樹木モデルの基礎 229
   13.3 パッケージとケーススタディ 233
   13.4 補遺と注釈 243
   参考文献13 246
第14章 ニューラルネットワーク 247
   14.1 ニューラルネットワークとは 247
   14.2 ニューラルネットワークの基礎 248
   14.3 パッケージとケーススタディ 251
   14.4 補遺と注釈 254
   参考文献14 255
第15章 カーネル法とサポートベクターマシン 256
   15.1 カーネルとは 256
   15.2 カーネル主成分分析 257
   15.3 サポートベクターマシン 259
   15.4 補遺と注釈 264
   参考文献15 265
第16章 集団学習 266
   16.1 集団学習とは 266
   16.2 バギング 266
   16.3 ブースティング 269
   16.4 ランダムフォレスト 271
   16.5 補遺と注釈 275
   参考文献16 275
第17章 アソシエーション分析 276
   17.1 アソシエーション分析とは 276
   17.2 相関ルール 277
   17.3 頻出アイテムの抽出 287
   17.4 抽出結果の補助分析 290
   17.5 補遺と注釈 292
   参考文献17 292
索引[関数とパッケージ] 294
索引[記号,英文,和文] 299
第Ⅰ部 Rとデータマイニングの基礎 1
第1章 データマイニングとR言語 2
   1.1 データマイニングとツール 2
8.

図書

図書
日花弘子著
出版情報: 東京 : SBクリエイティブ, 2014.4  x, 333p ; 24cm
シリーズ名: Excel徹底活用シリーズ
所蔵情報: loading…
目次情報: 続きを見る
01 : 統計とは
02 : 統計の基本
03 : 回帰分析
04 : 母集団と標本
05 : 確率分布
06 : 推定
07 : 検定
08 : 分散分析
01 : 統計とは
02 : 統計の基本
03 : 回帰分析
概要: 社会人のための統計学。仕事の現場で必要となる統計解析の基礎をやさしく解説。ケーススタディによる実践的な学習。フルカラーによる見やすいレイアウト。章末の練習問題でレベルアップ。Excel2007/2010/2013対応。
9.

図書

図書
金明哲著
出版情報: 東京 : 森北出版, 2017.3  vii, 319p ; 22cm
所蔵情報: loading…
目次情報: 続きを見る
第1部 Rとデータマイニングの基礎 : データマイニングとR言語
データの入出力と編集
データの演算と固有値、基本統計量
データの視覚化
第2部 Rによるデータ解析・データマイニング : 主成分分析
因子分析
対応分析
多次元尺度法
クラスター分析 ほか
第1部 Rとデータマイニングの基礎 : データマイニングとR言語
データの入出力と編集
データの演算と固有値、基本統計量
概要: 網羅性と実用性の高さから、多くのRユーザーの評価を得てきたロングセラー。Rのバージョンアップへの対応に加え、深層学習やネットワーク分析などの内容を追加した第2版。
10.

図書

図書
Wes McKinney著 ; 瀬戸山雅人, 小林儀匡, 滝口開資訳
出版情報: 東京 : オライリー・ジャパン , 東京 : オーム社 (発売), 2018.7  xxi, 571p ; 24cm
所蔵情報: loading…
目次情報: 続きを見る
はじめに
Pythonの基礎、IPythonとJupyter : Notebook
Python組み込みのデータ構造と関数、ファイルの扱い
NumPyの基礎:配列とベクトル演算
pandas入門
データの読み込み、書き出しとファイル形式
データのクリーニングと前処理
データラングリング:連結、結合、変形
プロットと可視化
データの集約とグループ演算
時系列データ
pandas:応用編
Pythonにおけるモデリングライブラリ入門
データ分析の実例
付録A : NumPy:応用編
付録B : IPythonシステム上級編
はじめに
Pythonの基礎、IPythonとJupyter : Notebook
Python組み込みのデータ構造と関数、ファイルの扱い
概要: 本書はPythonの代表的なデータ分析ツール、pandasの開発者Wes McKinneyによる、データ分析を行うための基本を網羅しています。すべてのサンプルコードはダウンロード可能で、Jupyter Notebookで対話的に試し、実際に 手を動かしながら知識を確実なものにすることが可能です。Python3に対応した待望の改訂版。 続きを見る
文献の複写および貸借の依頼を行う
 文献複写・貸借依頼