月別アーカイブ 9月 2016

投稿者:

XLSTATユーザーへのグッドニュース

XLSTATにお望みの新機能やオプションはありますか? ideas forumであなたのアイデアを登録して、賛同するアイデアに投票してください : XLSTAT ideas
XLSTATは、2017年6月8,9日にフランス、ボルドーで国際会議 – Making Effective Decisions: Teaching Statistics to Students of Business を開催します。発表または聴講でのご参加をお待ちしております。詳細は下記リンク先まで: TSSB Conference
あなたのXLSTATライセンスの履歴やアクティベーション状態を確認したり、現在のライセンスを更新したり、新しいライセンスを注文したり、アクセス権を持つ最新のXLSTATバージョンをダウンロードしたりするには、myxlstat@xlstat.com My XLSTAT アカウント認証をリクエストしてください: My XLSTAT
チュートリアルが スペイン語に完全翻訳されました。スペイン語を話されるあなたのお仲間に拡散してください:Spanish tutorials
この秋に予定されている無料の短時間ウェブ・セミナー  にご参加ください(言語:英語): Webinars & training
 
記述統計入門, 10月5日
探索的統計解析入門, 10月19日
統計的検定入門 , 11月9日
統計的モデリング入門, 11月30日

投稿者:

XLSTATにおける検量線の作図

XLSTATに関する技術的なご質問は、原則的にウェブサイトのサポートセンターでお受けしております。たいてい、その日のうちか、翌日までにお返事しております。
統計解析というのは、医学や官能分析、心理学、マーケティング、品質管理と多岐にわたる分野で使用されており、XLSTATもとてもたくさんの高度な分析をサポートしております。電話口に常時各分野の専門家が待機しているわけではありませんので、いきなり電話で各分野の分析についてご質問を頂いても、その場ですぐにお答えできるとは限りません。
特定の手法(Viscoveryなど)に関してはホットライン・サポートを提供しておりますが有償サービスです。我々はボランティア団体ではありませんので、どなたに対しても無償でホットライン・サポートを提供することはできません。
最近、とくにお医者様や医学研究者の方々から理不尽なお電話を頂くことがよくあります。自己中心的で激しい感情をぶつけられますと、医療のモラルは大丈夫なのだろうかと、恐ろしさを感じるときがあります。他の分野ではありえないほど高慢な態度の人が目立ちます。ぜひとも紳士的な態度を心掛けて頂けますようお願い申し上げる次第です。
それで本題ですが、ある研究者の方からお電話を頂き「検量線」に関するご質問を頂きました。
XLSTATでは「検量線」のための専用の機能は提供しておりません。ただし、検量線の作図に使う各種のモデリング手法はXLSTATに含まれます。
– 直線のモデルは、単純な線形回帰です。
– 2次回帰は、非線形回帰を用いて得られます。
– 4/5パラメータ・ロジスティック回帰(1スロープ)は、XLSTAT-Biomedの投与効果分析の中にあります。
– 2スロープの5パラメータ・ロジスティック回帰は、投与効果のメニューからは直接利用できませんが、非線形回帰から利用できるはずです。
以上、よろしくお願い致します。

投稿者:

XLSTATがMac用 Excel 2016 64ビットに完全互換となりました。

Excel 2016の互換性の問題に困っていた方に朗報です。マイクロソフトによって問題が解決されましたので、Excel 2016 version 16.27がインストールされているなら、Mac用Excel 2016 でXLSTATが問題なく動作します。
下記のリンクからXLSTATのアップデート版をダウンロードしてインストールしてください:
Mac OS X 10.8-10.11

投稿者:

2025年にデータサイエンティストは仕事を失う!?

KDnuggetsに頭の禿げた中年太りのデータサイエンティストがロボットに彼女を奪われている風刺画が掲載されています。KDnuggetsが行った投票では、51%の人々が「10年以内に現在データサイエンティストが行っているエキスパート・レベルのタスクが自動化されるだろう」と答えています。
実際、機械学習アルゴリズムのパラメータ設定をいろいろと変えて性能の良いモデルを探索したり、それらのモデルを組みわせてアンサンブル予測を行うという自動化は、すでに実現されています。これは人間がやるよりも機械がやる方がはるかに徹底的にできます。しかし、これだけでは良いモデルはできないというのもまた真実です。
人間がやらなければならないことの最も本質的な部分は、すでに与えられているデータから現象をよりよく説明できる新しい特徴量(列)を作り出すことです。これには、分析の対象となる領域に関する背景知識が欠かせません。アルゴリズムをあれこれいじるよりも、この方が良いモデルに到達できる可能性が一気に高まります。そして、世間で行われているデータサイエンス・プロジェクトのほとんどで、あまりできていないのが、この部分ではないかと思われます。
個々の機械学習アルゴリズムに関する学術的な情報や、それをより噛み砕いて、手っ取り早くそれぞれの特長や使い方を勉強できるような情報は巷に溢れているのですが、実践的なデータ分析のテクニックに関してはほとんど情報がないに等しいと思います。
このブログでも以前に触れましたが、判別分析の開発のためにFisherが使用したことで有名なアヤメ(Iris)のデータですが、アルゴリズムの性能を評価するためによく使用されるわけで、普通は4つの計測値をそのまま使用します。教科書などにそのような説明が繰り返し出てくるので、ほとんどの人がそれが当たり前だと思ってしまうわけです。しかし、実践的な観点からすると、あのデータはそれぞれの計測値(列)の間の比率を計算して、新しい列を作成すると、アヤメの品種の違いをよく説明するデータが得られます。生物学的なデータではよく使われるテクニックです。
教科書に書いているようなことと実際のデータ分析の間のギャップに気づいて違和感を感じているような人が本当の人材だと思うわけですが、日本の研究者の中にどれぐらいそういう人がいるのか、と考えるとちょっと心配になります。日ごろ、XLSTATやViscoveryのユーザー・サポートで接する大学院生などを見ていると、皆さん、よく勉強されて(教科書的な)知識は豊富なのですが、「知識に依らないで自分で考える」という力が少々心許ない気がします。
写真のなかった時代の科学者に「デッサン力」は欠かせない能力だったろうと想像します。ここでレオナルド・ダ・ ヴィンチの名前を挙げるのは、あまりに巨匠すぎるのですが、彼の時代にはデッサンと科学的探究は切っても切り離せないものだったと想像できます。デッサンというのは、幾何学そのもので、線と線の関係性をあれこれと考察することによって、正確な絵が描けるというものです。デッサンをすることによって、物事を探求する能力を磨くことができます。
現代の科学者は、大学・大学院でそれぞれの分野の専門知識を詰め込むところからスタートします。探求力を磨くような特別な訓練をする機会を逸している人も少なくないのではと想像するわけです。レオナルドが今日の科学者を見たら、彼の目にはどのように映るのでしょうか?
今日、多くの研究分野で「データを集めて統計処理を行って、その結果を論文にまとめる」という研究スタイルが定着しています。極端な話、運が良ければ、教授の指示どおりにデータを集めて、教科書どおりに統計手法を適用して、その結果をそのまま論文に書けば審査にパスしてしまうということもあり得ないとは限りません。
実際は、思ったとおりには研究が進まずに、それぞれ何とか切り抜ける方法を見つけようと苦労されるのでしょうが、その過程でつかみ取るのはいったい何なのでしょうか?必ずしも純粋な科学の探求ではないのかもしれません。
ちょっと話が脱線ぎみですが、教科書的な機械学習アルゴリズムを勉強して、その使い方を知っているというのが「データサイエンティスト」であるとするなら、そのような人材の需要はどんどん先細りするということです。というか、それぐらいのことならサイエンティスト(科学者)ではなく、ビジネスマンにでも十分できます。「Excelが使える」というだけでとくに給料が上がるわけでもないということの延長かと思います。
もっと本当の話をするなら、今注目されている機械学習アルゴリズムのほとんどは、80年代、90年代に研究されてきたもので、それがじわじわと世間に浸透してきて今ようやく花開こうとしているものです。本当の意味での「データサイエンティスト」とは、機械学習アルゴリズムの開発に携わってきた人たちで、歳の頃なら若くて50代ということになります。(その上の大御所の先生たちは、すでに引退されています。)
50代の人間が「あと10年これで喰っていけたらいいなあ」というのが、今のデータサイエンスなので、若い世代の人には、さらに「次のこと」を考えて欲しいものです。

投稿者:

Viscovery 7.0.2 リリース

Viscovery(R) 7.0.2がリリースされました。通常ライセンスを購入されて1年以内のユーザー様、および年間メンテナンス契約をされているユーザー様にはご利用頂けます。
Viscovery SOMine 7.0.2 での改良点
Viscovery SOMine 7.0.2では、バージョン7.0.1で発見された以下のエラーを修正しています。
プロジェクト
– プロジェクト・ファイルが異なる場所にコピーされた後、auxiliaryディレクトリにもそれがコピーされていないと、多くの場合、プロジェクトのコピーが利用できなったのが、現在、より多くの場合でプロジェクトが利用できるように制限が解除されました。
– 選択されたワークフロー・ステップの上でマウスを右クリックしても、ワークフロー・ステップの選択が変化しないように修正しました。
前処理ワークフロー
データ・インポート ステップの属性タイプの定義ダイアログで、隣接しない属性列の集合が選択された場合、属性タイプの変更は選択された最初の属性と最後の属性の間のすべての属性にではなく、選択された属性のみに反映されようになりました。
データ・インポート ステップでのテキスト属性に指定できる長さが確認されるようになりました;長さゼロと100万を超える長さは認められません。とくに、長さゼロはプログラムのクラッシュまたはメモリ不足の状態を引き起こす可能性がありました。
属性の定義ステップで数値を文字列に変換するために式が使用されたとき、欠損値が正しくカウントされませんでした。現在、それらは正しくカウントされます。
属性の定義ステップで複数の数式が定義され、それらの位置が交換されて、複合選択を使用してそれらの複数を一気に削除た場合に起きるエラー・メッセージが避けられるようになりました。
– ユーザーがヒストグラムの調整ダイアログのサブ・ページの間をナビゲートされているとき、ときどきデフォルトの勾配とオフセットが表示されない問題が解決されました。
ヒストグラムの調整ステップで定義された置換が、そのステップから呼び出せる統計ウィンドウでは無視されていた問題(データがモデルの計算に使用されるときには、その置換は正しく適用されていましたが)を解決しました。
– データ・ソース内で属性が異なる順序に並べ替えられた場合、ヒストグラムの調整ステップで定義された変換が、統計ウィンドウでは間違った属性に適用されていた問題(データがモデルの計算に使用されるときには、その変換は正しく適用されていましたが)を解決しました。
チャート
– X軸上のラベルが読みやすくなるように少し離して並べられるようになりました。
– 散布図のX軸の名義属性のラベルがプロット内のポイントと位置合わせされました。
チャートのプロパティ ダイアログの範囲タブ内の境界の編集ボックスが、たくさんの0や9を引きずる数字を避けるために、より少ない小数位に丸められるようになりました。
SOMモデルの取り扱い
編集 | ラベル | フォント で最近選べれたラベル・フォントが、そのメニュー・オプションを再び開いたときに、第1選択として使用されるようになりました。フォントがセッションやSOMをまたいで記憶されます。
– マップ・ピクチャ上で示されるラベルが、左端や右端で切り捨てられることがありましたが、それが起きなくなりました。
– プロセス・モニタ(表示 | モニタ メニューから使用可能)が最後のレコードに到達したとき、モニタリングがクリアされていたのを、現在は、モニタリングは停止するものの軌跡は表示されたままになるように修正されました。

Explore and Classify モジュール

プロファイル チャート内の中間生成物の描画が消去されました。
– 分類ワークフローのアプリケーションの確認ステップで最初に選択された属性が、モデル内でマークして表示されるだけでなく、そのワークフローで使用されたモデル内のすべての属性から選択されるようになりました。
分類ワークフローでとても長い名前を持つモデルが選択されると、分類のエクスポート・ステップのダイアログの最初のページを抜けられなくなる問題が修正されました。
分類ワークフローのモデルの選択ステップでローカル回帰モデルが選択されたとき、アプリケーションがクラッシュするのを避けられるようになりました。
分類ワークフローのモデルの選択ステップで、整列つきのモデルが選択されたとき、ユーザーが異なる整列に切り替えると(このステップで生成された)最初の2つの新しい属性のカラースケール範囲が度数と量子化誤差ピクチャーから取られ、(そして、度数量子化誤差ピクチャーのカラースケール範囲がデフォルトにリセットされる)という問題がありました。現在は、度数量子化誤差ピクチャーの範囲は保持され、新しい属性はデフォルトの範囲を受け取ります。
Predict and Score モジュール
グローバル・モデルの計算ステップのダイアログで指定された信頼水準が、保持されるようになりました。
Viscovery One(2)One Engine 7.0.2 での改良点
Viscovery One(2)One Engine 7.0.2 では、バージョン7.0.1で発見された以下のエラーが修正されました。
– モデル・ファイルのファイル形式が、より徹底的にチェックされるようになりました。
– Linuxバージョンが、属性名、名義値、クラスタ名、クラスタ説明、セグメンテーション名で非ASCIIデータを含むモデル・ファイルをより良く処理できるようになりました。
– 後処理の数式が、他の後処理の数式の結果に依存(すなわち、“call”)できるようになりました。 呼び出された数式がエラーを返すとき(たとえば、ゼロ除算)、この結果は呼び出している数式で欠損値として取り扱われるべきです。そのようなケースが正しく取り扱われませんでした:全体の計算が直ちに終了し、欠損値が返されていました。現在は正しい動作が可能です。呼び出している数式が欠損値について結果をチェックして、それに従って動作するレア・ケースでは違いが生じます。クラスタの数式がAPI関数 O2O_GetNodeFormulaNumber, O2O_GetNodeFormulaString, O2O_RecallFormulaNumber, O2O_RecallFormulaStringを用いて計算されます。
– Linuxバージョンでは、ライセンス・ファイルのロケーションを環境変数ONE2ONE_REGISTRYで選択できるオプションが追加されました。