この講義では、データ解析の基礎を学ぶ。データを入手してから、前処理、可視化を行い、目的とデータに応じた基本的な統計解析手法を適用するまでの、各段階において必要となる知識、理論について解説する。また、統計解析ソフトウェアRの利用方法についても説明し、これを用いて演習を行う。
科目一覧
Data Analysis
R言語でデータの前処理・可視化・分析を実践する
データ解析
| 担当講師 | 藤野 友和（福岡女子大学） |
|---|---|
| 分類 | 演習 |
| 授業形態 | VOD |
| 授業形態詳細 | 任意の時間にパソコンからインターネット接続にて（自宅や職場などから）受講します。 |
| 時数 | 8コマ |
| 時間数 | 12時間 |
| 到達目標 | 統計解析ソフトウェアを利用して、与えられたデータに基本的な統計解析手法が適用できるようになること。また、結果を適切に解釈できるようになること。 |
| 難易度 | ★★★ |
| 分野別難易度 | 数学：★ プログラミング：★★ （一部演習あり） |
| 履修上の注意 | ・高校程度の数学の知識、およびプログラミングの経験があることが望ましい。 ・演習を行うためのPCを準備しておく（OSは問わない）。 |
| 授業計画 ・内容 |
1. Introduction 講義の概要と目的／ データの尺度水準について／ 統計解析環境Rの概要・セットアップ・基本文法 2. データの前処理と可視化 dplyrパッケージを利用したデータの前処理 ggplot2パッケージを利用したデータの可視化 3. 確率変数と確率分布 確率変数と確率分布／正規分布と二項分布／ 標本分布と統計的推測／乱数を用いた理論の確認 4. 予測手法（１） 回帰分析 単回帰分析／重回帰分析／重回帰分析における変数選択 5. 予測手法（２） ロジスティック回帰分析と決定木 6. 分類手法 クラスター分析 階層型クラスター分析／非階層型クラスター分析 7. 要約手法 主成分分析 線形代数の復習／主成分分析 8. まとめとその他の手法の概要 ニューラルネット／テキスト分析／統計モデリング |
| 事前・事後学習 の内容 |
毎回の講義で課題を与える |
| 成績評価の 方法 |
提出された課題により評価する |
| 教科書 ・参考書等 |
・独自の資料を提供する ・「Rによるデータマイニング入門」：山本・藤野・久保田［著］ オーム社 |
| キーワード | データ解析、可視化、予測、分類、データマイニング |
| 日程 |