約 6,595 件
https://w.atwiki.jp/chu2story/pages/23.html
能力者については→能力者 相関図については→組織相関図 History 4年前、当時中学二年だった騎士を誘拐、能力者として力を開花させ、手先としての利用を謀った。が、失敗に終わった。しかし、騎士は能力者として目覚め、同時に正義の心、探求心を手に入れた。 この一個体の存在による、自身の喪失を危惧した組織は、組織に加盟するあらゆる能力者の力を持つプロトタイプ、No.64を生成、また学園に潜入させ、騎士の抹殺を企てるが、これも失敗。かえって能力を強めてしまった。 またその後、自らで作成した人間大の怪物「コホルス(ラテン語で大隊)」を実験と称して東京タワー周辺に投入するも、出動したSATや機動隊に一日で掃討される。
https://w.atwiki.jp/isekaikouryu/pages/949.html
何てわかりやすい相関図だ…というかそんなにキャラが出てきてたことに驚く。 上の薄異本も頑張って下さい 期待しています -- (としあき) 2012-11-08 01 52 08 トガリさんが可愛いすぎて生きるのが辛い -- (としあき) 2012-11-08 20 28 25 実に丁寧な配置とつなげ方で見やすい相関図に読みたい意欲がわきあがる -- (名無しさん) 2012-11-08 22 49 20 これは次回も楽しみだ薄異本 -- (名無しさん) 2012-11-16 21 11 47 ラミアさんが可愛い過ぎて生きるのが辛い -- (名無しさん) 2013-01-06 19 27 50
https://w.atwiki.jp/chem-ota/pages/54.html
データ整理などでよく使う手法です。 エクセルに頼らずに基本を忘れないよう回帰式などをメモってみました。 重みつき最小二乗法 下記の回帰分析モデルで、誤差が正規分布N(0,σ2i)に従う、すなわち、i によって分散の大きさが異なる(等分散性が成立しない)時は、通常の最小二乗法ではなく、重みつき最小二乗を用いなければならない。 *要は正規分布を仮定する場合の最小二乗法。 ここで、上記式を展開した後、α、βの最小値を求めるため、αもしくはβで偏微分した値を0とする。その結果を整理すると下記の最小二乗推定量の計算ができる式ができる。 決定係数・寄与率・相関係数 詳しくは下記リンクの「相関係数」の項に詳しい。 統計学 トップページに戻る
https://w.atwiki.jp/adachilab/pages/10.html
アフィン運動記述を利用した視覚追跡 Correlation-based Visual Tracking Enhanced by Affine Motion Description English / Japanese 概要 従来の相関法によるトラッキング手法は一つの参照画像を用いているため、1)ターゲットの画像上の見え方の変化、2)ターゲットの一部の隠蔽に対処できなかった。そこで、アフィン運動記述を用いた相関法によるトラッキング手法を提案する。推定されたアフィン運動パラメータからターゲットの画像の変化を検出し、参照画像を更新する。また、隠蔽がどの箇所で生じているかを検出することもできる。 Abstract Since conventional correlation-based visual tracking algorithms are based on a single reference block, they often fail to track a target in the following situations 1) a view of the target image changes, and 2) a part of the target image is occluded. This paper proposes a correlation-based visual tracking method which copes with these problems based on affine motion description. Based on the estimated parameters of affine transformation, the method detects the change in the view of the target image and updates the reference block. It also finds when and where the occlusion occurs, and keeps the reference block. Y. Adachi, M. Asada, and T. Nakamura Correlation-based visual tracking enhanced by affine motion description , Proceedings of IAPR Workshop on Machine Vision Applications 96, pp. 75-78, 1996. 足立佳久, 中村恭之, 浅田稔 アフィン運動記述を利用した明度相関による視覚追跡 , コンピュータとイメージメディア 研究報告 No.100, pp.121-124,1996.
https://w.atwiki.jp/todo314/pages/233.html
Influence analysis of information diffusion focusing on directed networks 有向ネットワークの構造が情報拡散に与える影響の分析 Shohei Usui, Fujio Toriumi, Takatsugu Hirayama, Kenji Mase JSAI 2014 概要だけ 有向グラフで色々なパラメータを変化させるとどうなるか? パラメータ例 相互リンクの割合 到達可能な頂点数の総和 出次数と入次数の相関係数 次数のベキ指数 実験結果 AID Σ_v σ(v)/n 出次数と入次数の相関が高いとAIDが高い 解釈 情報発信能力と情報収集能力が共に高い頂点が多いと情報拡散能力の高いグラフになる 震災によるネットワークの変化 AIDが高くなった というか,辺数が1.5倍になった JSAI Twitter 情報拡散 2014-06-08 23 31 45 (Sun)
https://w.atwiki.jp/shinshu-11m/pages/68.html
4/24 相関係数の課題で散布図を作成する課題がありますが、SPSSで作ることができるので紹介します。わからない人は直接聞いてくださいー。(福永) ①SPSS画面上部ツールバーの、「グラフ(G)」→「レガシー ダイアログ(L)」→「散布図/ドット(S)」をクリック ②新しくウィンドウが出るので、そこの「単純な散布」をクリック ③新しくウィンドウが出るので、そこのY軸とX軸の欄に、見たい変数を1つずつ選んでいれる。(有意な相関の組み合わせを選ぶこと) ④「OK」を押すと図ができあがる ⑤パソコンの「PrintScreen」機能を使ってエクセルにコピペ、トリミング。これについてはググったりして調べてから聞いてください 4/20 SPSSでの課題- なにぶん初めてなのできちんとアップできているかわかりませんが…。 課題に使うための数値を出したファイルをアップしました。 SPSSを起動しなければ見れないものを 取りあえずwordやExcelで見れるようにしたものなので その数値を見つつ課題のシートに入力していけばよいかと思います。 もっと詳しいやり方とか知りたければ渡邊(10m0112h)まで 連絡してください。 昨年までこんな課題なかったんですけどね…。 めんどいですね(´・ω・`) by 渡邊 課題 医療統計 散布図入り 課題 正規分布 課題 相関係数 課題 t-検定 4/22 補足をアップしました。課題に詰まりそうなところを書きましたので、参考にしてください。 間違いがあれば連絡していただけると助かります。 by 渡邊 課題 補足 ☆中間試験情報☆ 日 時 4月15日(月)6限 試験時間 30分 場 所 第1講義室 第2講義室 範 囲 衛生学公衆衛生学演習・実習I(4/1~4/15講義範囲) 出題形式 国家試験形式と筆記試験
https://w.atwiki.jp/tkonishi73/pages/438.html
主成分分析のまとめ ①データの入力(CSV形式) ②分散共分散行列・・・バラつきの差を出したい 相関行列・・・バラつきの差をなくしたい(測定単位の相違を無くする) ③固有値・固有ベクトルを求める。 行列のサイズ=変数の個数=固有値の総和 寄与率=固有値/行列サイズ 累積寄与率=第1固有値からの合計 ④因子負荷量=各主成分との相関を示す 各主成分が何を与えているのかを読み取り、解釈する。 ⑤主成分得点=各主成分での位置づけがわかる。 【課題1】 プリントp.111の表8.2のデータを用いて、主成分分析しなさい。 第1、第2主成分は何を表しているのか、読み取ってください。。(レポート問題) ⇒12月5日(月)に提出して下さい。 次回から、因子分析です。お楽しみに!
https://w.atwiki.jp/ut_ymgc/pages/21.html
ABSTRACT タギングシステムにおいて、タグは決められた語彙の中から選択するのではなく、ユーザが自由に付けることが出来るため、表記のゆれが存在する。また、新しいリソースにはあまりタグが付いていないため、数少ないユーザによって特異なタグが付けられてしまう。これは、多くのユーザの観点から付けられたタグではない。そのため、LDAを用いて次元削減を行い、これらの問題を解決する。具体的には、多くのタグが付けられているリソースを基にして、あまりタグが付けられていないリソースに対してタグを推薦する。タグの推薦は、同じ隠れトピックに属するタグを推薦する。提案する手法は従来の相関ルールマイニングを用いるものより良い精度を示した。 INTRODUCTION アブストと同じ。要は新しいリソースにはあまりタグが付いていない(cold start problem)から、それに対処する。LDAを用いてタグを隠れトピックにマッピングし、同じトピックに属するタグを推薦する。 TAG RECOMMENDATION Association Rules 相関ルールマイニングを使ってタグ推薦をする。あるリソースにタグ集合Tが付いている時、TがT1を含み、かつT1→T2という相関ルールがあるなら、T2に含まれるタグを推薦する。 Latent Dirichlet Allocation LDAを用いてそれぞれのリソースに対してp(z|r)を推定し、またそれぞれのトピックに対してp(t|z)を推定する。 あまりタグが付いていないリソースrを考えるrに"photograph", "photo", "howto"が付いている時、その三つが属しているトピックを見る(photographとphotoは同じトピックに属す)。この属しているという概念は、多分p(t|z)が閾値以上であるトピックの事 二つのトピックに対してp(t|z)が閾値以上であるタグをリソースrに推薦する。
https://w.atwiki.jp/tkonishi73/pages/675.html
第7回 中間試験前の復習 中間試験でできてほしいこと ①与えられたデータ(ファイルで提供)から度数分布表が自力で作れる。 =frequency()を使えること。 ②ヒストグラムが作れる 棒グラフではダメ。グラフの棒がくっつく必要あり。 度数多角形もかけるように。 ③基本統計量が計算できて、理解できる。 (代表値)平均値、中央値(メディアン)、最頻値(モード) (ばらつき)分散、標準偏差 ※2つの集団でばらつきを比較する場合には、変動係数(CV)を求め、値が大きい方がばらつきは大きい。 変動係数(CV)=標準偏差/平均×100 (例)ジャガイモの平均が250g、標準偏差25g、玉ねぎの平均が300gで標準偏差が20gとすると、 ジャガイモの変動係数=25/250×100=10 玉ねぎの変動係数=20/300×100=6.67 ゆえに、玉ねぎの方がばらつきが小さい。 ※「2つの集団の比較」はデータ解析では必須アイテムである。 ④2変量の関係を知ることができる。 相関係数=直線的傾向を探る係数。絶対値が1に近いほど、相関は高い。0に近いほど相関はない。 回帰直線=回帰式「y=ax+b」のaとbを求めて、xからyを推測できる。 a=(xとyの共分散)÷(xの分散) b=(yの平均)-a×(xの平均) ※「y=ax+b」を説明する問題は出します! 【例題】次の2集団のデータから、ばらつき(変動係数)を比較しなさい。 A:25,45,62,48,53,54,37,65 B:102,89,67,92,86,79 質問コーナー 質問があれば、ここに入力してね↓ -- 小西 (2016-11-15 14 23 56) 誰からも質問がないのですが、大丈夫でしょうか? -- 小西 (2016-11-21 18 00 53) 名前 コメント
https://w.atwiki.jp/kazumaru1118/pages/33.html
/home/kazu/study/program/ autocorr.c というファイル名でおいてある。 ./autocorr read.txt write.txt read.txtは解析したい時系列。 write.txtは解析結果が格納される。