09112008 R
ケモインフォマティクス向けのRプログラミングとクラスタリングの書籍としてもよい。混合分布モデルでHTSデータ分けたりとか、スペクトラルクラスタリング、ファジークラスタリングを化合物クラスタリングに使ってみたくなった。
５章まで基礎的な内容で無難なんだけど、6章からが面白い。
統計やるために「対話的っぽいツールとしてのR」を使いましょうという内容ではなくて、スクリプト言語としてRを使ったりとか、クラスタリングのためのアルゴリズムを実装していくという内容。章の最後に載っているプログラミングメモがお役立ち。「はじめに」にRはベクトルと行列の演算が本質と言い切っているように効率的なプログラミングのためにどう書くといいかとかかなり参考になった。
09112008 life
今の会社に結構長いこといたらご褒美的に10K円分の図書カードをもらえたので、それを握りしめてあちこち放浪してたら、目についたので流し読み。
この本がいいよとかよくないよとかそういうことがいいたいんじゃなくて、これって4年前となにも変わってないんじゃないのかなぁと。
新しい技術とか出てくると咀嚼できなくて最初のほうで摩擦がおこるとかいうのはわかるけど、4年もこういう問題がついてまわってるって明らかに長過ぎるよなぁ。mixiみたいなソーシャルネットワークのこういう疲れたとかなんとかっていうのは、今までずっと継続的に起こっていて、これからも起こり続けていく問題で、結局のところヒトがカルチャーの中に自然な形で取り込むのは難しいものなのかなぁと。
facebook疲れというのもやっぱあるそうだし、そういうものにsustainabilityはあるのだろうか?と、ふと思った。
そろそろ新しい何かがポッと出てくるのかな。
09112008 chemoinformatics Arduino
先々週くらいの出張の新幹線の中で読んだのだけど、思考のボトルネックを解消しようと同じくらい面白かった。
いわゆるビジネス本については戦略というよりは戦術に近いレベルでヒトというものを捉えるわけですな。なんというか、将棋の駒はそれぞれ特性があるが、囲碁の碁石はもっとマクロな感じで石そのものには特性がないみたいな、そんな感じ。
でも、そんな感じで考えてみるに、ビジネスってのは将棋の盤上と駒のなかに碁石が混じっている感覚なんだよなぁと思った。セルオートマトンのように碁石が仲間に囲まれることで将棋の駒のように特性を持ったものにチェンジするのかなぁ。
08112008 R
朝からRをいじりたくなって、「あーそういえば2.8出たんだっけ」とか言いながら、ソース落としてきてmacbookでコンパイルをしてみたがこけた。まぁ、2.7.1でRpy動くのでとりあえずいまのところはそっとしておいてやろうということで負けを認めない方向で。
で、RandomForestは好きな時に使えるようになっておかないといけないなぁといつもお世話になっている連載を読み直した。というより、いままで上っ面を押さえただけでわかった気になっていただけだったので、ちゃんと読んだ。
BaggingとRFの大きい違いは、Baggingは全ての変数用いるが、RFでは変数をランダムサンプリングしたサブセットを用いることができるので、高次元データの計算が容易であるである。ランダムサンプリングする変数の数Mはユーザが自由に設定することができる。Breimanは、Mは変数の数の正の平方根をと取ることを勧めている。
あとはこっちも参考になった。
Random Forests では、個々のコンポーネントモデルを生成するのに全く新しい方法を利用する点が異なります。逆説的ですが、「強い」独立モデル同士では、モデルが全体として高いパフォーマンスを引き出すよう有効に結合しません。むしろ「弱い」独立モデル同士の方が効果的な結果をもたらす傾向があるのです。この理由として挙げられるのは次の 2点です：
まずひとつは、複数のモデルを組合せたり平均化を行っても、個々のモデルがお互いに非常に類似している場合には際立った精度の改善が見られないという点があります。極端な場合、各モデルが全く同一のコピーだとすると、平均化することによってそこから得られる利益（ベネフィット）は全く何もありません。組合せ技術で何らかの利益をもたらすためには、組合せるモデル同士はお互いに異なっている必要がある訳です。
要するに予測精度はある程度弱くてもよいからできるだけ直交するようなモデルを組み合わせることが大切ということか。
CRANにrandomForestというパッケージがあるのでそれを利用する。unsupervisedで遊んでみた。
Rで学ぶクラスタ解析
ミクシィをやめる前に読む本―トラブルを回避する69のツボ
Making Things Talk -Arduinoで作る「会話」するモノたち
マツイ棒
あたらしい戦略の教科書> library("randomForest")
randomForest 4.5-28
Type rfNews() to see new features/changes/bug fixes.
> data("iris")
> set.seed(17)
> iris.urf <- randomForest(iris[, -5])
> MDSplot(iris.urf, iris$Species)
### plot ###
> importance(iris.urf)
MeanDecreaseGini
Sepal.Length 17.33820
Sepal.Width 15.19356
Petal.Length 17.30337
Petal.Width 12.92124
こっちはsupervised
> data(iris)
> iris.rf <- randomForest(Species ~ ., iris, proximity=TRUE,
+ keep.forest=FALSE)
> MDSplot(iris.rf, iris$Species)
他にもimportanceとかgetTreeといった関数が重要そう。
08112008 chemoinformatics work
参加した皆様おつかれさまでした。
僕はというと、反応プログラミングを使った合成系人工無脳について、話させてもらいました。職場でトークしてもレスポンスが薄くて凹むのでこういう場は結構貴重だなぁと改めて。
帰りにパラパラめくってみて欲しくなったんだけど、PRMLにも書いてあるからなぁ。
先にこっちだな。
リサンプリングの話でrandom forestはどうかっていう話が出た時に、あーそれもありかなみたいなぁとその場では思ったのですが、よくよく考えたらブートストラップサンプルで標本が重複してしまうからそれをうまいこと回避できるのかなぁ?と。
なんかいい方法あるかなぁ。あとでもう少し考えてみよう。
08112008 life
超構造体とか建設者を思い浮かべた。
http://anond.hatelabo.jp/20081107171440
「感染前」の「ネット端末遺伝子」を探すっていう目的で、霧亥って名前のクローラ動かして足跡残すのとか面白いかな。
デザイン全般に関して。イントラのサービスをつくる際に参考になりそうなことが多かった。
Subject To Change -予測不可能な世界で最高の製品とサービスを作るデザイン思考の道具箱に近いのかな
05112008 of
マルコフ連鎖モンテカルロ法 (統計ライブラリー)
パターン認識と機械学習 下 - ベイズ理論による統計的予測
BLAME 1 (1) (アフタヌーンKC)
BLAME 9 (9) (アフタヌーンKC)
BLAME 10 (10) (アフタヌーンKC)
デザイン思考の道具箱―イノベーションを生む会社のつくり方
