変態に R を与えた結果がこれだよ… 2 ラブライブが好きになりすぎて彼女たちを解析する

20130220Kashiwa.R#6 @ 東京大学柏キャンパス 柏図書館

YF@Med_KU

前回の反響 #5

わざわざ柏まで来て気持ち悪い

snow の無駄遣い

当直 ( 病院に夜間いること )のシフト決めに使えないか ?

実装まで

休みがある同じ科の医師はかぶらない

library(lpSolve)lp()線形計画法を整数解で解く

当直 ( 病院に夜間いること )のシフト決めに使えないか ?

主成分分析 prcomp

画像のプロット rasterImage

本日の紹介

某大学異学部

絶体絶命の危機に瀕していた…

これが私、高坂穂乃果。高校 2 年。いま、私の通う大学が大ピンチなの。

それは、昨日突然、理事長によって伝えられた、学校廃校のお知らせがきっかけだった…

うそ～ 廃校って…つまり、学校がなくなる、ということですね…

ﾎﾉｶﾁｬｧｧﾝ !?!?

ﾎﾉｶﾁｬｧｧﾝ !?!? ﾎﾉｶｧｧ !?!?

というわけなんですが…

・・・

廃 校 !?!?

こんなときはどうしたらいいんだお ?さすがに大学中退ニートにはなりなくないお !!

UTX へようこそぉ～

これだ…見つけたｧ !!

も～海未ちゃ～んいい方法思いついたんだから聞いてよ～

私達でスクールアイドルをやるとか言い出すつもりでしょ ? エロ同人みたいに !!

ｷﾀｧｧｧｧｧｧｧｱｱｱｱｱｱｱｱﾌﾞﾋｨｨｨｨｨｨｲｲｲｲｲｲうみちゅわぁぁぁああん

でも彼女たちがアイドルを目指すって言っても、やる夫は何をしてあげればいいかわからないんだお…

だって毎クール嫁候補が出るたびに ( 主に外見から ) ﾌﾞﾋﾌﾞﾋ言っているだけなんだからだお…

だから統計学的に彼女たちの特徴をつかむお !!

どの娘がいいか悩むお…

うみちゃんﾌﾞﾋｨ !!みもりんﾌﾞﾋｨ !!

データの取得

データ行列を入手

B W H height age name90 60 82 156 17 東條 希88 60 84 162 17 絢瀬 絵里82 60 83 156 15 小泉 花陽80 58 80 159 16 南 ことり78 56 83 161 15 西木野 真姫78 58 82 157 16 高坂 穂乃果76 58 80 159 16 園田 海未75 59 80 155 15 星空 凛74 57 79 154 17 矢澤 にこ

パラメータ間の相関

バストが大きいとヒップも大きい… ?身長が高いとウエストは小さい… ?

ｸｿｯ よくわからんｯとりあえず ( ﾟ∀ﾟ )o彡゜ｵｯﾊﾟｲｵｯﾊﾟｲ

でも一番の ( ﾟ∀ﾟ )o彡゜ｵｯﾊﾟｲの東條希ってなんだよこの変なツインテールやる夫はこれを認めないお !!

とりあえず主成分分析をしてみようぜ jk…主成分分析とは、やらない夫的理解では、なんかパラメータがたくさんあって、その中で関係しあっているものがありそうなんだけどよくわからんときに、 R に投げたらそれっぽくパラメータを統合して新しいパラメータができる解析のことだ。

prcomp に行列を投げればおｋ。(単位が不揃いなデータでは標準化することが望ましいらしいが、とりあえず scale = TRUE を指定しておけば問題なさげ )

prcomp(data, scale = TRUE)

1 行で結果が出せるわけだが、中身を見るだろう jk…パラメータとして、ｵﾊﾟｰｲ、ウエスト、ヒップ、身長、年齢の 5 つを使った。これらから、第 n 主成分 (PC_n) という新たなパラメータが生成される。5 つから 5 つ作ったのではおまいらの解釈能力でわかるわけがなくて、たいてい、 PC_n をいくつ使えば説明がつくかを考えることになる。ここで cumulative proportion というのが、いくつ使えば累積でどれだけ説明がつくかを示している。 PC_2 まで使えば、 95%近くデータが説明できることを示している。

たいてい 2 つか 3 つ主成分をとれば、 80% は説明がつくことが多い。これを 2次元か 3次元の散布図にすれば、いい感じになる。主成分はパラメータを統合しているので、意味付けはおまいらでしないとダメだ jk…

PC1 は負だとｵﾊﾟｰｲ、ウエスト、ヒップに対する寄与が大きい。おそらくこれはﾎﾞﾝｷｭｯﾎﾞﾝを意味している。PC2 は身長と年齢が逆相関している。おそらくこれはロリギャップ的なものを意味しているだろう。

・・・

この図が味気ないんだけど…

うみちゃんﾌﾞﾋｨ !!みもりんﾌﾞﾋｨ !!

rasterImage 関数を用いたpng プロット

B W H height age name90 60 82 156 17 東條 希88 60 84 162 17 絢瀬 絵里82 60 83 156 15 小泉 花陽80 58 80 159 16 南 ことり78 56 83 161 15 西木野 真姫78 58 82 157 16 高坂 穂乃果76 58 80 159 16 園田 海未75 59 80 155 15 星空 凛74 57 79 154 17 矢澤 にこ

～か n ～

ﾃﾞｭﾌﾌ www これでみんなの特徴が分かったし思う存分 prpr できるおっおっお wwwうみちゃんﾌﾞﾋｨ !!

真面目に主成分分析

100個のデータから、 1 つだけある正解 ( 外れ値 ) を見つけ出す。教師なし学習をやってみる。

主成分分析 前

この時点で赤と緑が外れ値だとわからなくもないけど…

主成分分析 後

外れ値となる赤と緑が、分布からさらに離れたような気分… ??

ﾃﾞｭﾌﾌ www これでみんなの特徴が分かったし思う存分 prpr できるおっおっお wwwうみちゃんﾌﾞﾋｨ !!でもにこにーも頭わるそうでﾌﾞﾋｨ !!

～完～

次回のラブライブ

30%R で作る GIF アイコン

機械学習でスリーサイズ推定

30%R でやる形態素解析 ( 未完 )