データビジュアライゼーション

スポンサーリンク
Python

SIRモデルで新型コロナウイルスの感染者数の収束を予測してみた

SIRモデルのパラメータの推定は、オーソドックスには最尤推定などが用いられるようですが、今回はベイズで定式化して、ベイズ推定もやってみました。 国別のデータを使った分析は最近よく見ますので、今回は以下のデータを使って、都道府県別の感染流行の予測を行ってみます。
Python

Grad-CAM、Grad-CAM++、Score-CAMを実装・比較してみた

今回は表題の通り、画像系深層学習の判断根拠手法について、近年人気のある手法「Grad-CAM」と、その改良版「Grad-CAM++」、さらに去年論文発表されたばかりの「Score-CAM」を、TensorFlow/Kerasで実装・比較してみます。
Python

WordCloudとpyLDAvisによるLDAの可視化について

潜在ディリクレ配分法(LDA; Latent Dirichlet Allocation)によるトピックモデルを学習させて、WordCloud・pyLDAvisで可視化までやってみます。 今回は日本語でやってみたかったので、以下のlivedoorニュースコーパスを利用させていただきました。
Python

テクニカル分析で買いシグナルからの株価推移を調べてみた

実際にテクニカル分析でよく使われている指標をPythonで実装してみて、過去の株価推移のデータで効果について調べてみました。 ちなみに私は金融素人なので、専門家から見れば、とんちんかんなことをやっている可能性ありです。
Python

ベイズモデリングで男子プロテニスの強さを分析してみた

Kaggleのデータセットで公開されている、男子プロテニスの試合結果データがありましたので、これを使って各プレイヤーの強さをモデル化してみます。 今回は、開催した年と、勝ったか負けたか、その時の勝ちプレイヤー、負けプレイヤーの情報だけで、各プレイヤーの強さを分析してみます。
Plotly

インタラクティブなグラフ生成ライブラリPlotlyについて

Plotlyというマウスでぐりぐりと動かせるようなインタラクティブなグラフを生成するライブラリがあります。 最近これをよくJupyter notebook上で可視化して遊んだりしていますので、これについてまとめます。
Python

白線の教師なしセマンティックセグメンテーションを頑張ってみた

セマンティックセグメンテーションは、画像系ディープラーニングの一種で、画素レベルでそれが何かを認識するタスクを行う手法です。 教師なし学習である程度アノテーションの補助はできるようにならないかを考えてみます。 例えば、RGB情報(色)でのクラスタリングや、学習済みモデルによる転移学習で、ある程度、画素レベルの特徴分けができるかをやってみます。
Chainer

深層強化学習でシステムトレードしてみたかった

今回は以下のアルゴリズムで、株価のデータから、システムトレードをするエージェントを学習させてみました。 DQN Double DQN Dueling Double DQN Dueling Double DQN + Prioritized Experience Replay
Chainer

Chainerでファインチューニングして特徴量抽出してみた

前回は、花の画像データセットで、VGG16の学習済みモデルを使って特徴量を抽出してみました。 今回は表題の通り、タグ付け情報を用いてファインチューニングを行った後に、特徴量を抽出して様子を見てみようと思います。
Chainer

Chainerで転移学習・特徴量抽出して類似度を測ってみた

前回は自己符号化器で画像の画素値を次元圧縮し、得られた特徴量を使って類似度計算を行ってみました。 今回は、モデルを一から学習するのではなく、転移学習で得られた特徴量を使って類似度計算してみます。 深層学習のライブラリは、実装が楽だったため、Chainerを使いました。
D3.js

英単語の英字遷移率をChord Diagramで可視化してみた

Pythonでクロール・スクレイピングをする練習がしたかっただけなんですが、ただスクレイピングするだけじゃ面白くないので、付け足しで遊んでみました。 今回は英語文献をスクレピングする練習をしてみて、それぞれの英単語の文字の遷移を調べて、可視化してみます。 可視化グラフに関しては、Chord Diagramを利用します。
PyMC

Pythonで地理データを階層ベイズモデルで推定・可視化してみた

e-Statから取得した地理データから階層ベイズモデルを用いて地域特徴を推定する事例を紹介されており、面白そうなのでやってみました。 Stan/BUGSなどのベイズ統計言語でデータを推定し、そこからまた別の地理データ可視化ソフトウェアを使って、推定結果を可視化していましたので、今回はそれらを全てPythonで一括してやってみようと思います。
Python

e-Stat APIをPythonから使って地理データを可視化してみた

e-Statは日本政府が調査した統計データを閲覧・ダウンロードできるよう管理されたポータルサイトです。 このサイトからよく人口データなどをダウンロードして利用しており、以前からお世話になっているのですが、実はAPI機能も提供しているようで、前々から少し気になっておりましたので、この度、PythonからAPI経由でデータ取得をして、可視化するところまでをやってみました。
D3.js

Epoch.jsでリアルタイム可視化をしてみたかった

挫折系タイトルです← IoTっぽくリアルタイムに送信されていくるデータを、Web上で可視化することは出来ないかと思い、少し調べてみましたが...。 ひとまず、こんなJavaScriptライブラリが見つかりましたので、紹介します。
D3.js

Leaflef.jsとD3.jsでマップデータを可視化してみた

Leaflet.jsというWebマップ表示ライブラリを知りましたので、使ってみました。 結構前からあったそうな。 OpenStreetMapは知っていたけども、敷居が高そうと思っていましたが、たったこれだけのソースで表示できてしまった...。
D3.js

D3.jsでよくあるツリーレイアウトの可視化をしてみた

「よくある」ってなんだよって感じではありますが…。 ひとまず例のサイトがありますので、こちらになります。 これを見ていて、よく端末内のディレクトリ構成と容量を同時に表示しているような感じにしてみようと思い、例のソースコードを参考にしながら作ってみました。
D3.js

都道府県人口データを地形の高さに可視化してみた

表題の通り、今回は都道府県人口データを、D3.jsとThree.jsの日本地図に、都道府県ごとの地形の高さに表してみました。 データを地形の色の濃淡で表す図のことを「コロプレスマップ」といいます。
D3.js

D3.jsとThree.jsで日本地図を可視化してみた2

上記の前回記事では、D3.jsとThree.jsを使って日本地図を描画しました。 そこからさらに勉強を進めまして、より3Dに描画できるようになりましたので、データものせて作ってみました。
D3.js

都道府県・市区町村人口データをツリーレイアウトで可視化してみた

日本の人口データなどをD3.jsのツリーレイアウトで可視化してみました。 データは国勢調査からダウンロードさせていただきまして、RubyでJSONに加工してD3.jsで読み込んでいます。
D3.js

D3.jsとThree.jsで日本地図を可視化してみた

D3.jsとThree.jsを使って、日本地図を3D的に描画してみました。
D3.js

都道府県・市区町村別人口データをD3.jsで可視化してみた

D3.jsを使って、日本の人口データを可視化してみました。 データ(都道府県や市区町村の緯度経度の座標・人口)は、ESRIジャパン様からダウンロードさせていただきました。
D3.js

各地域の時系列気象データをCanvasとD3.jsで可視化してみた

各地域の気象データをHTML5のCanvasとD3.jsを使って可視化しました。 データは気象庁からダウンロードして、加工させていただきました。
D3.js

都道府県別のデータをD3.jsで可視化してみた

都道府県別のデータをD3.jsを使って可視化しました。 データはe-Statからダウンロードしてきて、Rubyで加工しています。 e-Statは政府統計データを閲覧・ダウンロードができるサイトです。
スポンサーリンク