実況！Rで学ぶ医療・製薬系データサイエンスセミナー
電子書籍あり
定 価 3,080円（本体 2,800円）
第1回 数値予測をしよう
1.1 データの準備
1.2 等分散性を仮定したt検定
1.3 ダミー変数による回帰
1.4 連続変数による回帰
1.5 相関係数と標準化データの回帰
1.6 重回帰モデル
1.7 モデルの適合度
1.8 交差検証法による予測残差標準偏差
1.9 交互作用項
1.10 パス解析で重回帰モデル
1.11 パス解析
1.12 課題
第2回 2分類の確率を予測をしよう
2.1 データの準備
2.2 クロス集計表（分割表）
2.3 期待度数と検定統計量
2.4 ピアソンのカイ2乗検定
2.5 相関係数との関係
2.6 オッズ比
2.7 ロジスティック回帰
2.8 用量反応曲線
2.9 グループデータのロジスティック回帰
2.10 課題
第3回 散布図の特徴に合わせて要約してみよう
3.1 ElemStatLearnパッケージの利用
3.2 データの準備
3.3 重み付き平均
3.4 重みの準備
3.5 重み付き回帰
3.6 局所線形回帰
3.7 多項式回帰
3.8 折れ線のあてはめ
3.9 スプライン基底関数による重回帰
3.10 ロバスト回帰
3.11 課題
第4回 データの特徴を要約・見える化しよう
4.1 データの準備
4.2 散布図と直線回帰
4.3 相関行列と因子分析
4.4 相関係数と距離
4.5 階層型クラスター分析
4.6 多次元尺度法と主成分分析
4.7 隣接行列と無向グラフ
4.8 次元縮約としての主成分分析
4.9 課題
第5回 2分類の予測の精度を吟味しよう
5.1 データの準備
5.2 クロス集計表，多次元分割表
5.3 ロジスティック回帰，一般化線形モデル
5.4 ロジスティック判別
5.5 閾値の変更：感度と1―特異度
5.6 ROC曲線
5.7 CART，分類木，決定木
5.8 判別の性能比較
5.9 課題
第6回 テキスト情報を数値化して活用しよう
6.1 データの準備
6.2 分かち書き
6.3 用例確認
6.4 単語の抽出と削除
6.5 複合語の選択
6.6 単語や同義語の置換
6.7 文書単語行列
6.8 ワードクラウド
6.9 数値データへの変換
6.10 ジャッカード距離
6.11 階層型クラスター分析
6.12 多次元尺度法
6.13 隣接行列
6.14 ネットワーク分析
6.15 対応分析
6.16 課題
第7回 正解のない大きなデータセットから類似事象の探索と分類をしよう
7.1 1次元データのk-means法による分類
7.2 1次元データの混合正規分布による分類
7.3 2次元データのk-means法による分類
7.4 2次元データの混合正規分布による分類
7.5 経時測定データに対する混合正規分布の応用
7.6 4次元データに対する教師なし機械学習
7.7 高次元データに対する次元縮約と分類
7.8 課題
第8回 正解がある大きなデータセットから特徴量の探索と数値予測をしよう
8.1 判別データの読み込みと可視化
8.2 ロジスティック判別の適用
8.3 サポートベクターマシン（SVM）
8.4 ニューラルネット
8.5 決定木（分類木）
8.6 ランダムフォレスト
8.7 ROC曲線による判別性能の比較
8.8 多群分類データへの応用
8.9 課題
付録：R初心者のためのプレセミナー
プレセミナー第1回 R言語の実行環境をインストールしよう
P1.1 R言語について
P1.2 RとRStudioのインストール
P1.3 RStudioの起動とConsole
P1.4 パッケージのインストール
P1.5 RStudioの終了
プレセミナー第2回 R言語を使ってみよう
P2.1 数値，論理値
P2.2 変数とオブジェクト
P2.3 ベクトル
P2.4 ベクトルの成分へのアクセス
P2.5 関数について
P2.6 データフレーム
P2.7 データフレームの行，列，成分へのアクセス
P2.8 行列
P2.9 リスト
P2.10 大規模データ解析用パッケージについて
P2.11 課題
プレセミナー第3回 R言語でプログラミングしよう
P3.1 スクリプトについて
P3.2 制御構文
P3.3 関数の作成
P3.4 データの読み込みと保存
P3.5 データの並べ替え
P3.6 課題
プレセミナー第4回 R言語でグラフを描こう
P4.1 plot関数によるグラフの作成
P4.2 グラフの保存
P4.3 par関数による高度な設定
P4.4 その他のグラフ
P4.5 課題
1.1 データの準備
1.2 等分散性を仮定したt検定
1.3 ダミー変数による回帰
1.4 連続変数による回帰
1.5 相関係数と標準化データの回帰
1.6 重回帰モデル
1.7 モデルの適合度
1.8 交差検証法による予測残差標準偏差
1.9 交互作用項
1.10 パス解析で重回帰モデル
1.11 パス解析
1.12 課題
第2回 2分類の確率を予測をしよう
2.1 データの準備
2.2 クロス集計表（分割表）
2.3 期待度数と検定統計量
2.4 ピアソンのカイ2乗検定
2.5 相関係数との関係
2.6 オッズ比
2.7 ロジスティック回帰
2.8 用量反応曲線
2.9 グループデータのロジスティック回帰
2.10 課題
第3回 散布図の特徴に合わせて要約してみよう
3.1 ElemStatLearnパッケージの利用
3.2 データの準備
3.3 重み付き平均
3.4 重みの準備
3.5 重み付き回帰
3.6 局所線形回帰
3.7 多項式回帰
3.8 折れ線のあてはめ
3.9 スプライン基底関数による重回帰
3.10 ロバスト回帰
3.11 課題
第4回 データの特徴を要約・見える化しよう
4.1 データの準備
4.2 散布図と直線回帰
4.3 相関行列と因子分析
4.4 相関係数と距離
4.5 階層型クラスター分析
4.6 多次元尺度法と主成分分析
4.7 隣接行列と無向グラフ
4.8 次元縮約としての主成分分析
4.9 課題
第5回 2分類の予測の精度を吟味しよう
5.1 データの準備
5.2 クロス集計表，多次元分割表
5.3 ロジスティック回帰，一般化線形モデル
5.4 ロジスティック判別
5.5 閾値の変更：感度と1―特異度
5.6 ROC曲線
5.7 CART，分類木，決定木
5.8 判別の性能比較
5.9 課題
第6回 テキスト情報を数値化して活用しよう
6.1 データの準備
6.2 分かち書き
6.3 用例確認
6.4 単語の抽出と削除
6.5 複合語の選択
6.6 単語や同義語の置換
6.7 文書単語行列
6.8 ワードクラウド
6.9 数値データへの変換
6.10 ジャッカード距離
6.11 階層型クラスター分析
6.12 多次元尺度法
6.13 隣接行列
6.14 ネットワーク分析
6.15 対応分析
6.16 課題
第7回 正解のない大きなデータセットから類似事象の探索と分類をしよう
7.1 1次元データのk-means法による分類
7.2 1次元データの混合正規分布による分類
7.3 2次元データのk-means法による分類
7.4 2次元データの混合正規分布による分類
7.5 経時測定データに対する混合正規分布の応用
7.6 4次元データに対する教師なし機械学習
7.7 高次元データに対する次元縮約と分類
7.8 課題
第8回 正解がある大きなデータセットから特徴量の探索と数値予測をしよう
8.1 判別データの読み込みと可視化
8.2 ロジスティック判別の適用
8.3 サポートベクターマシン（SVM）
8.4 ニューラルネット
8.5 決定木（分類木）
8.6 ランダムフォレスト
8.7 ROC曲線による判別性能の比較
8.8 多群分類データへの応用
8.9 課題
付録：R初心者のためのプレセミナー
プレセミナー第1回 R言語の実行環境をインストールしよう
P1.1 R言語について
P1.2 RとRStudioのインストール
P1.3 RStudioの起動とConsole
P1.4 パッケージのインストール
P1.5 RStudioの終了
プレセミナー第2回 R言語を使ってみよう
P2.1 数値，論理値
P2.2 変数とオブジェクト
P2.3 ベクトル
P2.4 ベクトルの成分へのアクセス
P2.5 関数について
P2.6 データフレーム
P2.7 データフレームの行，列，成分へのアクセス
P2.8 行列
P2.9 リスト
P2.10 大規模データ解析用パッケージについて
P2.11 課題
プレセミナー第3回 R言語でプログラミングしよう
P3.1 スクリプトについて
P3.2 制御構文
P3.3 関数の作成
P3.4 データの読み込みと保存
P3.5 データの並べ替え
P3.6 課題
プレセミナー第4回 R言語でグラフを描こう
P4.1 plot関数によるグラフの作成
P4.2 グラフの保存
P4.3 par関数による高度な設定
P4.4 その他のグラフ
P4.5 課題
