A Software Engineer Blog

table関数の挙動をメモしておく。 Table(v) まず引数一つのパターン。 引数に渡すVectorを用意する。 v <- c("a","b","a","b","c") これをtable関数に渡す。 t <- table(v) 結果は次のようになる。 a b c  2 2 1  vには"a"が2回,"b"が2回,"c"が1回出現したとういう意味。引数に与えたvectorの頻度が得られる。 Table(r,c) 次に引数2つのパターン。 列(row)のためのVentorを用意する。 r <- c("a","b","a","b","a","b") そして、次に行(Colomn)のためのVectorを用意する。 c <- c("A","B","A","B","A","B") これを、table関数の第一引数、第二引数にそれぞれ渡す。 t <- table(r,c) すると下記の値が得られる。     A B   a 3 0   b 0 3 これがどのような値か解説すると、 ("a","A")のペアが3組, ("b","B")のペアが3組, ("b","A")のペアが0組, ("a","B")のペアが0組、というデータ形式を表すことになる。 ペアは、ベクターrとcの同じ順序の値が選択される。例えばrの第一要素は"a", cの第一要素は"A"であるので、ペアとして("a","A")が選ばれる...

Oreilly社発行の「機械学習入門」にて、サンプルコードの誤りを見つけたので、ここに残しておきます。 サンプルが管理されているgithubではissueとして報告されており、pull requestも出しているが、1年以上前のpull requestが放置されている状態をみると、公式に直される可能性は残念ながら低そうな様子。 今回見つけたバグは3章のemail classifyのコード。 classify.email <- function(path, training.df, prior = 0.5, c = 1e-6) { # Here, we use many of the support functions to get the # email text data in a workable format msg <- get.msg(path) msg.tdm <- get.tdm(msg) msg.freq <- rowSums(as.matrix(msg.tdm)) # Find intersections of words msg.match <- intersect(names(msg.freq), training.df$term) # Now, we just perform the naive Bayes calculation if(length(msg.match) < 1) { return(prior * c ^ (length(msg.freq))) ★ } else { match.probs <- training.df$occurrence[match(msg.match, training.df$term)] return(prior * prod(match.probs) * c ^ (length(msg.freq) - length(msg.match)))　★ } } パッと見た感じ問題がなさそうなんですが、実は★で示した行の処理は、ものすごい小さい浮動小数点になるため、値が0になってしまします。 c = 1e-6( = 0.000001)であり、...

R言語でtmパッケージを使ったサンプル まずコーパスを作成して、TermDocumentMatrixを作る。 R> library('tm') R> con <- file(file.path("source.txt"),open="rt") R> text <- readLines(con) R> close(con) R> corpus <- Corpus(VectorSource(text)) R> tdm <- TermDocumentMatrix(corpus) 読み込んでるsource.txtの内容は次のようなサンプル文 This is a first line. This is a second line. This is a third line. The forth line is being written. 得られたTermDocumentMatrixをいろいろいじってみる。 inspect() 各Docs(今の例では1行がひとつのDocに対応)に出てくるTermを全部表示する。 R> inspect(tdm) A term-document matrix (10 terms, 4 documents) Non-/sparse entries: 14/26 Sparsity           : 65% Maximal term length: 8 Weighting          : term frequency (tf)           Docs Terms     1 2 3 4   being     0 0 0 1   first       1 0 0 0   forth      0 0 0 1   line        0 0 0 1 ...

プログラミング言語Rにあるsapplyを使ったサンプルコード。 sapplyはvector型の各要素に対して同じ処理を適用したいときに使用する関数。 例えば、vectorの全要素を2倍したりしたいときに使える。 例えば、渡された引数を2倍にして返す次の関数を考える。 %>times2 <- function(v){return (v*2)} 試しにこれを実行するとちゃんと2倍した値が返される。 %> times2(20) %> [1]  40 これをsapplyと組み合わせると、vectorの値を2倍した値が得られる %> l <- c(1,2,3,4,5) %> sapply(l,times2) %> [1]  2  4  6  8 10