Chef リンク

Rで学ぶデータ・プログラミング入門 ―RStudioを活用する―

Rで学ぶデータ・プログラミング入門 ―RStudioを活用する―

Rで学ぶデータ・プログラミング入門 ―RStudioを活用する―

全体

  • Rを使いたい人向け
    • 統計以前に、Rをツールとしてつかいこなすために、プログラミングまわりをまず学ぶ
  • 前半、Rでのプログラミング、後半、統計の入門
  • 前半は、プログラマーの自分には、とてもとっつきやすかった。
    • RStudioというRのIDEの導入から入る。
    • 文字通り、Rでのプログラミング
      • 変数、データ型、関数、ifやforなど
    • 途中、いろいろ追加のパッケージを導入して、試してみたりする。
      • RMeCabで日本語のテキストマイニングとか。
      • この本の良いところは、こういった、より実際的な説明にあると思う。
      • プログラミング言語の本でも入門書では、標準以外のライブラリなんてまず紹介してない。
  • 後半は、統計の入門
    • 正規分布を学んだり、検定やったり、回帰分析や主成分分析もある。
    • ここは、統計にしてもRにしても広く浅くどんどんすすんじゃう。さわりだけ紹介といったところ。
  • 本に書いてあるとおりにRを動かしていくと、「R使えるようになりそう。。。。」って気持ちになれます。
    • その一方で、「やっぱりRは統計学の知識がないと無理そう。。。。」って気持ちになります。
    • ときどき本に書いてあるとおりにしても動かないこともあります。

各章

  1. Rの基礎
  2. R言語とデータ構造
  3. Rでのプログラミング
  4. グラフィックスの基礎/グラフィックスで遊ぶ
  5. データ解析の基礎
  6. 仮説検定
  7. 応用的解析
  8. 高度な解析手法
  • A.1 Rstudioによるレポート作成
  • A.2 Gitによるプロジェクト管理

キーポイント線形代数 (理工系数学のキーポイント 2)

キーポイント線形代数 (理工系数学のキーポイント 2)

キーポイント線形代数 (理工系数学のキーポイント 2)

全体

  • 理工系向け
    • 一般向けの読み物ではない。
  • 理論は深入りしないで、おさえておくべきキーポイントを説明。
  • 例をまじえてというより、例そのもので説明がすすんでいく。
  • 集中して、土日の2日でなんとか目を通せた。

各章

  1. ガウスの消去法はオールマイティー
  2. 行列式の出どころ
  3. 逆行列は逆数の行列版
  4. ベクトル空間に慣れよう
  5. 線形変換とその役割
  6. ランクの定義はどれでも同じ
  7. 線形代数の基本定理とは
  8. 固有値の意味をつかむ
    • 幾何的な説明もあるのがとても助かる
  9. 行列を対角化する
  10. ジョルダン標準形は最後の切札

多変量解析の予備知識の学習のために読んだ

マンガでわかる統計学 因子分析編

マンガでわかる統計学 因子分析編

マンガでわかる統計学 因子分析編

全体

  • 一般向けの入門書
  • マンガというのがやっぱり最大の特徴か
    • マンガでわかる統計学シリーズのうちの1冊
  • 先生役と生徒役のふたりの対話形式で統計の説明がすすんでいく。
    • 先生役は、みう、生徒役は、ルイ。シリーズの両ヒロインが登場だ!
  • 説明は、ゆっくりていねい
    • はじめのほう、全体の1/3ぐらいは、アンケートなどデータの集め方、整理の仕方を説明
    • 各分析の手順については、
      • 分析を始める前に注意点を上げてある
      • 細かいステップに分けて、順を追って説明
      • 計算もていねい。
        • もっとも計算は、説明の流れの中で、ばらばらに登場する。計算をおいかけづらかった。
    • 数式の導出などはない。
  • 練習問題はない
  • 必要な予備知識としては
    • 線形代数というか行列
    • 他の教科書を見ると、微積分がいるのだけど、本書では、すっぱりと避けたようだ。
  • 1冊目で読むのも良いし、他の本を読んで「わけわからん」という体験してから、読むのも良いと思う、というか、よかった。

各章

  • プロローグ あなたと私の因子分析
  1. アンケートの基礎知識
  2. 調査票と質問
  3. 数学的な基礎知識
    • 行列などの復習
    • もちろん、自分で他の本で勉強するしかない
  4. 主成分分析
    • 題材は、人気ラーメン店のラーメンの分析
  5. 因子分析
    • 題材は、登場人物たちがはたらく喫茶店の顧客アンケートの分析
  • 付 録 さまざまな分析手法

マンガでわかる統計学 回帰分析編

マンガでわかる統計学 回帰分析編

マンガでわかる統計学 回帰分析編

全体

  • 一般向けの入門書
  • マンガというのがやっぱり最大の特徴か
    • マンガでわかる統計学シリーズのうちの1冊
  • 先生役と生徒役のふたりの対話形式で統計の説明がすすんでいく。
  • 説明は、ゆっくりていねい
    • ”気温とアイスティーの注文数”のように具体的でわかりやすいシナリオで説明がすすむ
    • 分析の過程を、ステップに分けて、ポイントを説明
    • 数式は、説明の流れの中で、ばらばらに登場する。計算をおいかけづらかった。
    • 数式の導出などはない。
  • 練習問題はない
  • 必要な予備知識としては

各章

  • プロローグ:ノルンへようこそ
    • 例によって、しごとやお金、学究ではなく、恋が、ヒロインの学習の動機である。
  1. 基礎知識
    • 関数、微分、行列、統計の、ごくごく基本を列挙
    • もちろん別の本で勉強するしかない
  2. 回帰分析
    • ヒロインがはたらく喫茶店が舞台ということで、気温とアイスティーの注文数をねたにして、説明がすすむ
  3. 重回帰分析
    • ベーカリーチェーン店の、お店の面積、最寄り駅からの距離、1ヶ月の売上額をねたにして、説明がすすむ
  4. ロジスティック回帰分析
    • 茶店の、高額限定商品であるケーキの売れ行きをねたにして、説明がすすむ

入門はじめての多変量解析

入門はじめての多変量解析

入門はじめての多変量解析

全体

  • 一般向けの入門書(だと思う。)
    • 理屈は置いといて、実際に使ってみたいユーザ向け。
  • 各章の説明の流れは、
    • 冒頭でごく簡単に概要を説明する。
    • お題となるデータを出す。
    • この手の本としては、かなり細かく計算過程、難しい数式の変形というより、実際のデータの計算過程を示す。
      • 計算過程も何段階かに分けてある。
      • 計算過程が長い。多変量解析って、式にデータをあてはめるだけでもたいへんなんだなー。
    • 計算過程の途中で補足的な説明もいれる。
    • 最後はもちろん、お題となったデータの分析結果をだす。
  • ふんだんに図表を使っている。
  • 予備知識は、以下があれば、よかったんだけどな。復習しようかな。
  • あたりまえだが、1回読んだだけでは、到底身につきそうにない。
  • 理論は、むずかしそうで、計算から入ろうとしたが、それでもむずかしいな!

各章

  • 多変量解析は楽しい!
    • この本で紹介する話題について
  • はじめての重回帰分析
  • はじめての主成分分析
  • はじめての因子分析
  • はじめての判別分析
  • はじめてのクラスター分析
  • はじめての数量化Ⅰ類
  • はじめての数量化Ⅱ類
  • はじめての数量化Ⅲ類
    • 数量化の章は、駆け足だけど、アンケートの分析とかお題がおもしろかった。

多変量解析のはなし―複雑さから本質を探る

多変量解析のはなし―複雑さから本質を探る (Best selected Business Books)

多変量解析のはなし―複雑さから本質を探る (Best selected Business Books)

全体

  • 一般向けの入門書(だと思う。)
    • 本屋で眺めた何冊かの「多変量解析」の本の中では、一番とっつきやすそうだった。
    • 数式も少ない。
  • タイトルに「複雑さから本質を探る」とあるとおり、パッと見、規則性なんか見えないような数字の表から、なにかの数字を浮き上がらせるための統計的な手順を紹介している。
    • 浮き上がらせた数字に、意味や価値を見い出すのは、統計の範囲外のようだ。なるほど。。。。
  • 個々の手法に関して、動機付けというか、そのようなアプローチをとる理由というか、そういうようなことを言葉で説明してあって、読み進めやすかったと思う。
  • 練習問題はない。はなしをよんでわかったところで、もっと、手を動かす必要があると思う。
  • 統計の入門書を何冊か読んだので、次のステップとして、多変量解析の本を読み出したその1冊目だったのだけれど、多変量解析むずかしそう。。。。
    • 統計を実践するためのツールであるRの勉強もはじめようとおもって、R関連の本をパラパラ眺めてみると、正規分布とか検定・推定の話題もあるものの、それらをちょっとやって多変量解析の話題になってしまうようなので、多変量解析を先に勉強することにしたのだが。
  • とにかく1歩を踏み出して、ゆっくりでも勉強しなきゃだ。

各章

  1. 多変量解析に触れる
  2. 順位相関を求める
  3. 相関係数はこれだ
  4. 相関の変わり者
  5. 直線で回帰する
  6. 重回帰分析のはなし
  7. 因子分析のはなし
  8. 主成分分析のはなし
  9. クラスター分析のはなし
  10. 判別分析のはなし
  11. 多変量解析と数量化
    • ここは、本当におはなしだけ。