データ解析のための統計モデリング入門7章
> d4 <- d7[d7$x == 4,] #葉数4のサブセット > table(d4$y) #生存数がyiだった個体をカウント 0 1 2 3 4 5 6 7 8 3 1 4 2 1 1 2 3 3 > c(mean(d4$y), var(d4$y)) #平均と分散 [1] 4.050000 8.365789 > library(glmmML) > glmmML(cbind(y, N - y) ~ x, data = d7, family = binomial, cluster = id) #glmmMLを使う Call: glmmML(formula = cbind(y, N - y) ~ x, family = binomial, data = d7, cluster = id) coef se(coef) z Pr(>|z|) (Intercept) -4.190 0.8777 -4.774 1.81e-06 x 1.005 0.2075 4.843 1.28e-06 Scale parameter in mixing distribution: 2.408 gaussian Std. Error: 0.2202 LR p-value for H_0: sigma = 0: 2.136e-55 Residual deviance: 269.4 on 97 degrees of freedom AIC: 275.4
stanが導入出来ない
いろいろ参照してます
http://qh73xe.jimdo.com/r%E3%81%AE%E5%9F%BA%E6%9C%AC/r%E3%81%AE%E4%BE%BF%E5%88%A9%E3%81%AA%E9%96%A2%E9%80%A3%E3%82%BD%E3%83%95%E3%83%88/rtools/
http://tjo.hatenablog.com/entry/2013/10/04/190701
https://github.com/stan-dev/rstan/wiki/RStan-Getting-Started
source('http://mc-stan.org/rstan/install.R', echo = TRUE, max.deparse.length = 2000) install_rstan()
公式のこのやり方でやろうとしたらまずdevtoolsがないと言われたのでインストール
また試みたらrtoolsがないと言われたのでインストール
http://cran.r-project.org/bin/windows/Rtools/
http://qh73xe.jimdo.com/r%E3%81%AE%E5%9F%BA%E6%9C%AC/r%E3%81%AE%E4%BE%BF%E5%88%A9%E3%81%AA%E9%96%A2%E9%80%A3%E3%82%BD%E3%83%95%E3%83%88/rtools/
ここがrtoolsのインストールの参考になります
でまた試みたらBHがない
でもBHは確かにインストールしてるのでここで詰まりました
あーでもないこーでもないといろいろやってダメだったのでググったら
https://groups.google.com/forum/#!msg/stan-users/lGIMXJf5P04/MvIRHzpTLh4J
これが出てきて解決しました
devtools::install_url("http://cran.r-project.org/src/contrib/Archive/BH/BH_1.55.0-3.tar.gz") devtools::install_url("https://github.com/stan-dev/rstan/releases/download/v2.6.0/rstan_2.6.0.tar.gz") library(rstan) set_cppo("fast")
さすがグーグル先生です
データ解析のための統計モデリング入門6章
> summary(d) N y x f Min. :8 Min. :0.00 Min. : 7.660 C:50 1st Qu.:8 1st Qu.:3.00 1st Qu.: 9.338 T:50 Median :8 Median :6.00 Median : 9.965 Mean :8 Mean :5.08 Mean : 9.967 3rd Qu.:8 3rd Qu.:8.00 3rd Qu.:10.770 Max. :8 Max. :8.00 Max. :12.440 > logistic <- function(z) 1 / (1 + exp(-z)) #関数の定義 > z <- seq(-6, 6, 0.1) > plot(z, logistic(z), type = "l") > glm(cbind(y, N - y) ~ x + f, data = d, family = binomial) Call: glm(formula = cbind(y, N - y) ~ x + f, family = binomial, data = d) Coefficients: (Intercept) x fT -19.536 1.952 2.022 Degrees of Freedom: 99 Total (i.e. Null); 97 Residual Null Deviance: 499.2 Residual Deviance: 123 AIC: 272.2 > library(MASS) #stepAICを定義するMASSpackageを読み込み > stepAIC(fit.xf) Error in terms(object) : object 'fit.xf' not found > fit.xf <- glm(cbind(y, N - y) ~ x + f, data = d, family = binomial) > stepAIC(fit.xf) Start: AIC=272.21 cbind(y, N - y) ~ x + f Df Deviance AIC <none> 123.03 272.21 - f 1 217.17 364.35 - x 1 490.58 637.76 Call: glm(formula = cbind(y, N - y) ~ x + f, family = binomial, data = d) Coefficients: (Intercept) x fT -19.536 1.952 2.022 Degrees of Freedom: 99 Total (i.e. Null); 97 Residual Null Deviance: 499.2 Residual Deviance: 123 AIC: 272.2 > glm(cbind(y, N - y) ~ x * f, family = binomial, data = d) Call: glm(formula = cbind(y, N - y) ~ x * f, family = binomial, data = d) Coefficients: (Intercept) x fT x:fT -18.52332 1.85251 -0.06376 0.21634 Degrees of Freedom: 99 Total (i.e. Null); 96 Residual Null Deviance: 499.2 Residual Deviance: 122.4 AIC: 273.6
欲しい本
- 作者: G.ペトリス,S.ペトローネ,P.カンパニョーリ,和合肇,萩原淳一郎
- 出版社/メーカー: 朝倉書店
- 発売日: 2013/05/08
- メディア: 単行本
- この商品を含むブログ (1件) を見る
- 作者: 丹後俊郎
- 出版社/メーカー: 朝倉書店
- 発売日: 2000/02/01
- メディア: 単行本
- 購入: 3人 クリック: 8回
- この商品を含むブログ (2件) を見る
- 作者: J.J.F.コマンダー,S.J.クープマン,Jacques J.F. Commandeur,Sime Jan Koopman,和合肇
- 出版社/メーカー: シーエーピー出版
- 発売日: 2008/09/01
- メディア: 単行本
- 購入: 2人 クリック: 4回
- この商品を含むブログを見る
経済・ファイナンスデータの計量時系列分析 (統計ライブラリー)
- 作者: 沖本竜義
- 出版社/メーカー: 朝倉書店
- 発売日: 2010/02/01
- メディア: 単行本
- 購入: 4人 クリック: 101回
- この商品を含むブログ (6件) を見る
続・わかりやすいパターン認識
第1章 ベイズ統計学
試行と事象/ベイズの定理/頻度から確信度ヘ/逆確率 -結果から原因を-/三つの扉問題
第2章 事前確率と事後確率
事後確率の計算/ベイズ更新/ベイズ更新の実験
第3章 ベイズ決定則
パターン認識/事後確率最大化/事前確率の効果/ベイズ誤り確率
第4章 パラメータ推定
学習とパラメータ推定/最尤推定/ベイズ推定/ベータ分布/共役事前分布/ベイズ推定における推定値の特定/ベイズ推定の実験/最尤推定とベイズ推定との比較/ディリクレ分布
第5章 教師付き学習と教師なし学習
学習のための二つの観測方法/最尤推定に必要な数学/教師付き学習/教師なし学習(パラメータπiの推定/パラメータθikの推定/推定結果の妥当性/教師付き学習との関係/教師なし学習アルゴリズムの演算 教師なし学習の実験)
第6章 EMアルゴリズム
教師なし学習に伴う問題/log-sumからsum-logヘ/Q関数の特性/Q関数の最大化/EMアルゴリズムと補助関数法
第7章 マルコフモデル
マルコフ性とマルコフモデル/マルコフモデルのパラメータ推定
第8章 隠れマルコフモデル
隠れマルコフモデルとは/前向き・後向きアルゴリズム/ビタービアルゴリズム/バウム・ウェルチアルゴリズム/隠れマルコフモデルによる識別系/隠れマルコフモデルの実験(前向きアルゴリズムの実験/ビタービアルゴリズムの実験/バウム・ウェルチアルゴリズムの実験/識別実験)
第9章 混合分布のパラメータ推定
混合分布に対するパラメトリックな学習/教師付き学習によるパラメータ推定/教師なし学習によるパラメータ推定(最適なパラメータ/教師付きの場合との対比/EMアルゴリズムとの関係)/混合正規分布のパラメータ推定/混合正規分布のパラメータ推定実験( 一次元正規分布/多次元正規分布/クラスタリングについて)
第10章 クラスタリング
クラスタリングとは/K-means法(δkに関する最小化/Piに関する最小化)/K-means法の実験(使用データおよびベイズ識別関数による決定境界/K-means法による決定境界)/K-means 法とEMアルゴリズム/凸クラスタリング法/凸クラスタリング法の実験/クラスタ数の推定
第11章 ノンパラメトリックベイズモデル
分割の確率モデル/ホップの壺モデル/中華料理店過程/事前確率のための確率モデル/ ディリクレ分布から分割ルールヘ/ディリクレ過程の数学(ディリクレ過程の定義/確率分布G(θ)の形状/棒折り過程)
第12章 ディリクレ過程混合モデルによるクラスタリング
ディリクレ過程混合モデルとその学習法/ノンパラメトリックベイズモデルの実験(基底分布の設定/クラスタリング法1の実験/クラスタリング法2の実験)
第13章 共クラスタリング
関係データに対する共クラスタリング/無限関係モデル(IRM) /IRMの学習
付録A 補足事項
- 作者: 石井健一郎,上田修功
- 出版社/メーカー: オーム社
- 発売日: 2014/08/26
- メディア: 単行本(ソフトカバー)
- この商品を含むブログ (2件) を見る
内容がとてもヘビーになって続編が登場
言語処理のための機械学習入門
1 必要な数学的知識
2 文書および単語の数学的表現
3 クラスタリング
4 分類
5 系列ラベリング
6 実験の仕方など
- 作者: 高村大也,奥村学
- 出版社/メーカー: コロナ社
- 発売日: 2010/07/01
- メディア: 単行本
- 購入: 13人 クリック: 235回
- この商品を含むブログ (42件) を見る