タグ付けされた質問 「interactive-visualization」

9
データベースのデータを視覚化するための優れたオープンソースソフトウェアを知っている人はいますか?
最近、Tableauに出会い、データベースとcsvファイルからデータを視覚化しようとしました。ユーザーインターフェイスを使用すると、ユーザーは時間と空間のデータを視覚化し、瞬時にプロットを作成できます。このようなツールは、コードを記述せずにデータをグラフィカルに観察できるため、非常に便利です。 データを取得して視覚化する必要があるデータソースは多数あるため、軸上の列をドラッグするだけでグラフを生成できるツールがあり、さらに列名をドラッグして視覚化を変更すると非常に便利です。 そのようなフリーまたはオープンソースのソフトウェアを知っている人はいますか?

1
lmerモデルからの効果の再現性の計算
混合効果モデリングによる測定の再現性(別名信頼性、別名クラス内相関)の計算方法を説明するこの論文に出会ったばかりです。Rコードは次のようになります。 #fit the model fit = lmer(dv~(1|unit),data=my_data) #obtain the variance estimates vc = VarCorr(fit) residual_var = attr(vc,'sc')^2 intercept_var = attr(vc$id,'stddev')[1]^2 #compute the unadjusted repeatability R = intercept_var/(intercept_var+residual_var) #compute n0, the repeatability adjustment n = as.data.frame(table(my_data$unit)) k = nrow(n) N = sum(n$Freq) n0 = (N-(sum(n$Freq^2)/N))/(k-1) #compute the adjusted repeatability Rn = …
28 mixed-model  reliability  intraclass-correlation  repeatability  spss  factor-analysis  survey  modeling  cross-validation  error  curve-fitting  mediation  correlation  clustering  sampling  machine-learning  probability  classification  metric  r  project-management  optimization  svm  python  dataset  quality-control  checking  clustering  distributions  anova  factor-analysis  exponential  poisson-distribution  generalized-linear-model  deviance  machine-learning  k-nearest-neighbour  r  hypothesis-testing  t-test  r  variance  levenes-test  bayesian  software  bayesian-network  regression  repeated-measures  least-squares  change-scores  variance  chi-squared  variance  nonlinear-regression  regression-coefficients  multiple-comparisons  p-value  r  statistical-significance  excel  sampling  sample  r  distributions  interpretation  goodness-of-fit  normality-assumption  probability  self-study  distributions  references  theory  time-series  clustering  econometrics  binomial  hypothesis-testing  variance  t-test  paired-comparisons  statistical-significance  ab-test  r  references  hypothesis-testing  t-test  normality-assumption  wilcoxon-mann-whitney  central-limit-theorem  t-test  data-visualization  interactive-visualization  goodness-of-fit 

3
インタラクティブなデータ視覚化はいつ使用すると便利ですか?
すぐに話す講演の準備をしている間、私は最近、インタラクティブなデータ視覚化のための2つの主要な(無料)ツールであるGGobiとmondrianを掘り始めました。 明確に表現するためにあなた自身の助けを求めたい(自分自身と私の将来の聴衆の両方に)インタラクティブなプロットを使用することはいつ役に立ちますか?データ探索(自分用)とデータ表示(「クライアント」)のどちらか クライアントにデータを説明するとき、次のアニメーションの価値を確認できます。 「識別/リンク/ブラッシング」を使用して、グラフ内のどのデータポイントが何であるかを確認します。 データの感度分析の提示(例:「このポイントを削除すると、ここに得られるものがあります) データ内のさまざまなグループの効果を示す(例:「男性のグラフを見て、今度は女性のグラフを見てみましょう」) 時間の効果を示す(または年齢、または一般に、プレゼンテーションに別の次元を提供する) 自分でデータを調べる場合、作業中のデータセットの外れ値を調べるときに、識別/リンク/ブラッシングの価値がわかります。 しかし、これら2つの例以外では、これらの手法が他の実用的な用途を提供するかどうかはわかりません。特に私たち自身のデータ探索のために! インタラクティブな部分は、データ内のさまざまなグループ/クラスターのさまざまな動作を探索するのに適していると主張できます。しかし、(実際に)そのような状況に近づいたとき、私がしがちだったのは、関連する統計手順(および事後検定)を実行することでした-そして、重要であることがわかった場合は、データを関連グループ。私が見てきたことから、これはデータを「不思議に思う」よりも安全なアプローチです(データのdrに簡単につながる可能性があります(修正に必要な多重比較の範囲は明確ではありませんでした)。 この件に関するあなたの経験/考えを読んでとてもうれしいです。 (この質問はウィキにすることができます-主観的ではなく、よく考えられた答えが喜んで私の「答え」マークを獲得します:))

2
Rを使用して「並列セット」プロットを作成することはできますか?
ロックされています。この質問とその回答はロックされています。なぜなら、質問はトピックから外れていますが、歴史的に重要だからです。現在、新しい回答やインタラクションを受け入れていません。 Tormodの質問(ここに投稿)のおかげで、Parallel Setsプロットに出会いました。 これは、どのように見えるかの例です:( タイタニックデータセットの視覚化です。たとえば、生き残っていない女性のほとんどが3番目のクラスに属していたことを示しています...) Rでそのようなプロットを再現できるようになりたいです。それは可能ですか? ありがとう、タル

4
使用法を学習するためのリソース(/作成)動的(/インタラクティブ)統計視覚化
インタラクティブなデータの視覚化(ズーム、ポインティング、ブラッシング、ポイントマッピングなど)についてもう少し学びたいと思います。私は歓迎します: 統計調査のためにそのような方法を使用する方法に関するチュートリアル/ガイド/ブック(?)/ビデオ。 良い/興味深いインタラクティブなデータ-vizパッケージへのポインタ(Rおよびその外部) ボールの転がしを開始するだけで、Rには、rggobi、新しいgoogleViz Rパッケージ、アニメーションパッケージなど、インタラクティブな視覚化を実現するさまざまな方法があることを知っています。しかし、探索する価値のある他のパッケージ(Rが提供していないものを提供している)がある場合、それらについて知って喜んでいます(jmp、mathlab、spss、sas、excelなど)。 ps:これは、タグ「interactive-visualization」を使用する最初の質問です

9
素敵なグラフを自動的に作成するにはどうすればよいですか?
例えば。このページにあるものなどhttp://store.steampowered.com/hwsurvey これを実行できる既製のソフトウェアはありますか?または、同様のことを行う他のソフトウェアに関する推奨事項はありますか?これは実際には統計の問題ではないことは知っていますが、効果的であるためにはきちんとした魅力的な方法でデータを提示する必要があると強く感じているので、この質問は一部の人々にとって役に立つと思います。 更新(29/12/11): この質問に対するすべての回答に感謝します。すべての提案に感謝します。自動的に、つまりデータを入力するとグラフが自動的に更新されます。 私のプロジェクトの目的は、無期限に6〜10セットのデータを毎日(またはおそらく2倍)収集することです。Webサイトでデータを表現する方法を見つけたいと思います(私がしたSteamリンクに似ています)上記のとおり)、ユーザーバックエンドは技術に詳しくないユーザーでも簡単に処理できます。他に提案がある場合は、回答に追加してください!再度、感謝します!

3
大規模な時系列データをインタラクティブに表示する方法は?
私は、適切なサイズの時系列データを処理することが多く、タイムスタンプが5億から2億倍になり、タイムスタンプを動的に視覚化したいと考えています。 これを効果的に行うための既存のソフトウェアはありますか?ライブラリとデータ形式はどうですか?ズームキャッシュは、大規模な時系列に焦点を当てたライブラリの一例です。ズームキャッシュでは、さまざまな解像度で見やすくするために、データがいくつかの解像度で要約されます。 編集:また、この質問をするか、答えを探す必要がある場合は、お知らせください。

2
混合モデルのパラメトリック、セミパラメトリック、ノンパラメトリックブートストラップ
以下の移植片は、この記事から引用したものです。私はブートストラップの初心者であり、R bootパッケージを使用した線形混合モデルのパラメトリック、セミパラメトリック、ノンパラメトリックのブートストラップブートストラップを実装しようとしています。 Rコード これが私のRコードです: library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + Cult + (1|Block) + (1|Cult), data=Cultivation) fixef(fm1Cult) boot.fn <- function(data, indices){ data <- data[indices, ] mod <- lmer(drywt ~ Inoc + Cult + (1|Block) + (1|Cult), data=data) fixef(mod) } set.seed(12345) Out <- boot(data=Cultivation, statistic=boot.fn, R=99) Out ご質問 …
9 r  mixed-model  bootstrap  central-limit-theorem  stable-distribution  time-series  hypothesis-testing  markov-process  r  correlation  categorical-data  association-measure  meta-analysis  r  anova  confidence-interval  lm  r  bayesian  multilevel-analysis  logit  regression  logistic  least-squares  eda  regression  notation  distributions  random-variable  expected-value  distributions  markov-process  hidden-markov-model  r  variance  group-differences  microarray  r  descriptive-statistics  machine-learning  references  r  regression  r  categorical-data  random-forest  data-transformation  data-visualization  interactive-visualization  binomial  beta-distribution  time-series  forecasting  logistic  arima  beta-regression  r  time-series  seasonality  large-data  unevenly-spaced-time-series  correlation  statistical-significance  normalization  population  group-differences  demography 
弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.