Julia-1.0에서 iris
5133 단어 Julia
개요
htps : // 이 m/치조조/있어 ms/d090f26dcb31818d6964
에도 비슷한 기사가 있지만, Julia-1.0에서 iris 데이터의 플롯이나 선형 회귀 등 초보적인 처리를 해보겠습니다.
환경
Julia Version 1.0.0
Commit 5d4eaca0c9 (2018-08-08 20:58 UTC)
Platform Info:
OS: Windows (x86_64-w64-mingw32)
CPU: AMD E2-3000M APU with Radeon(tm) HD Graphics
WORD_SIZE: 64
LIBM: libopenlibm
LLVM: libLLVM-6.0.0 (ORCJIT, generic)
사용 패키지는 이하.
using RDatasets # irisデータ読み込み用
using Plots, StatPlots
using GLM # 線形回帰
데이터 획득
이것만.
iris = dataset("datasets","iris");
DataFrame 형식으로 로드됩니다.
플롯
플롯 백엔드는 pyplot을 사용합니다. 다른 GR이라든지 plotly라든지는, 축 라벨이 표시되지 않거나라든지, 아직 조금 사용할 수 없는 인상.
pyplot()
Plots.PyPlotBackend()
오류가 발생하면 패키지가 부족하기 때문에 더합니다. PyCall이라든지 LaTeXStrings라든지.
PyCall은 build 다시 하지 않으면 안 된다.
@df iris scatter(:PetalLength, :PetalWidth, group=:Species, legend=:bottomright, markerstrokecolor=:auto)
title!("iris petal plot")
xaxis!("PetalLength")
yaxis!("PetalWidth")
markerstrokecolor=:auto
를 붙이는 것으로, 마커의 가장자리가 흑이 아니고 fill 칼라와 같게 되어 보기 쉽다.
선형 회귀
GLM을 사용하여 R처럼 모델 표현식을 작성합니다.
lm1 = lm(@formula(PetalWidth ~ PetalLength), iris)
StatsModels.DataFrameRegressionModel{LinearModel{LmResp{Array{Float64,1}},DensePredChol{Float64,LinearAlgebra.Cholesky{Float64,Array{Float64,2}}}},Array{Float64,2}}
Formula: PetalWidth ~ 1 + PetalLength
Coefficients:
Estimate Std.Error t value Pr(>|t|)
(Intercept) -0.363076 0.039762 -9.13122 <1e-15
PetalLength 0.415755 0.00958244 43.3872 <1e-85
predict
에서 회귀선 플롯에 대한 데이터를 만듭니다.
pre = predict(lm1)
plot!(iris[:PetalLength],pre,label="predict")
불행히도 예상 범위 계산의 :predint
는 아직 구현되지 않은 것 같습니다.
소스 코드
interval_type == :confint || error("only :confint is currently implemented") #:predint will be implemented
라고 써 있습니다.
Gist
jupyter notebook을 gist에 올려 둡니다.
htps : // st. 기주 b. 코 m / 요시노 부 이시 자키 / 01bf9 2 11322 458d761f0 824c5
Reference
이 문제에 관하여(Julia-1.0에서 iris), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/Yoshinobu-Ishizaki/items/82912cadfd52f7b6716b
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
Julia Version 1.0.0
Commit 5d4eaca0c9 (2018-08-08 20:58 UTC)
Platform Info:
OS: Windows (x86_64-w64-mingw32)
CPU: AMD E2-3000M APU with Radeon(tm) HD Graphics
WORD_SIZE: 64
LIBM: libopenlibm
LLVM: libLLVM-6.0.0 (ORCJIT, generic)
사용 패키지는 이하.
using RDatasets # irisデータ読み込み用
using Plots, StatPlots
using GLM # 線形回帰
데이터 획득
이것만.
iris = dataset("datasets","iris");
DataFrame 형식으로 로드됩니다.
플롯
플롯 백엔드는 pyplot을 사용합니다. 다른 GR이라든지 plotly라든지는, 축 라벨이 표시되지 않거나라든지, 아직 조금 사용할 수 없는 인상.
pyplot()
Plots.PyPlotBackend()
오류가 발생하면 패키지가 부족하기 때문에 더합니다. PyCall이라든지 LaTeXStrings라든지.
PyCall은 build 다시 하지 않으면 안 된다.
@df iris scatter(:PetalLength, :PetalWidth, group=:Species, legend=:bottomright, markerstrokecolor=:auto)
title!("iris petal plot")
xaxis!("PetalLength")
yaxis!("PetalWidth")
markerstrokecolor=:auto
를 붙이는 것으로, 마커의 가장자리가 흑이 아니고 fill 칼라와 같게 되어 보기 쉽다.
선형 회귀
GLM을 사용하여 R처럼 모델 표현식을 작성합니다.
lm1 = lm(@formula(PetalWidth ~ PetalLength), iris)
StatsModels.DataFrameRegressionModel{LinearModel{LmResp{Array{Float64,1}},DensePredChol{Float64,LinearAlgebra.Cholesky{Float64,Array{Float64,2}}}},Array{Float64,2}}
Formula: PetalWidth ~ 1 + PetalLength
Coefficients:
Estimate Std.Error t value Pr(>|t|)
(Intercept) -0.363076 0.039762 -9.13122 <1e-15
PetalLength 0.415755 0.00958244 43.3872 <1e-85
predict
에서 회귀선 플롯에 대한 데이터를 만듭니다.
pre = predict(lm1)
plot!(iris[:PetalLength],pre,label="predict")
불행히도 예상 범위 계산의 :predint
는 아직 구현되지 않은 것 같습니다.
소스 코드
interval_type == :confint || error("only :confint is currently implemented") #:predint will be implemented
라고 써 있습니다.
Gist
jupyter notebook을 gist에 올려 둡니다.
htps : // st. 기주 b. 코 m / 요시노 부 이시 자키 / 01bf9 2 11322 458d761f0 824c5
Reference
이 문제에 관하여(Julia-1.0에서 iris), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/Yoshinobu-Ishizaki/items/82912cadfd52f7b6716b
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
iris = dataset("datasets","iris");
플롯 백엔드는 pyplot을 사용합니다. 다른 GR이라든지 plotly라든지는, 축 라벨이 표시되지 않거나라든지, 아직 조금 사용할 수 없는 인상.
pyplot()
Plots.PyPlotBackend()
오류가 발생하면 패키지가 부족하기 때문에 더합니다. PyCall이라든지 LaTeXStrings라든지.
PyCall은 build 다시 하지 않으면 안 된다.
@df iris scatter(:PetalLength, :PetalWidth, group=:Species, legend=:bottomright, markerstrokecolor=:auto)
title!("iris petal plot")
xaxis!("PetalLength")
yaxis!("PetalWidth")
markerstrokecolor=:auto
를 붙이는 것으로, 마커의 가장자리가 흑이 아니고 fill 칼라와 같게 되어 보기 쉽다.선형 회귀
GLM을 사용하여 R처럼 모델 표현식을 작성합니다.
lm1 = lm(@formula(PetalWidth ~ PetalLength), iris)
StatsModels.DataFrameRegressionModel{LinearModel{LmResp{Array{Float64,1}},DensePredChol{Float64,LinearAlgebra.Cholesky{Float64,Array{Float64,2}}}},Array{Float64,2}}
Formula: PetalWidth ~ 1 + PetalLength
Coefficients:
Estimate Std.Error t value Pr(>|t|)
(Intercept) -0.363076 0.039762 -9.13122 <1e-15
PetalLength 0.415755 0.00958244 43.3872 <1e-85
predict
에서 회귀선 플롯에 대한 데이터를 만듭니다.
pre = predict(lm1)
plot!(iris[:PetalLength],pre,label="predict")
불행히도 예상 범위 계산의 :predint
는 아직 구현되지 않은 것 같습니다.
소스 코드
interval_type == :confint || error("only :confint is currently implemented") #:predint will be implemented
라고 써 있습니다.
Gist
jupyter notebook을 gist에 올려 둡니다.
htps : // st. 기주 b. 코 m / 요시노 부 이시 자키 / 01bf9 2 11322 458d761f0 824c5
Reference
이 문제에 관하여(Julia-1.0에서 iris), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/Yoshinobu-Ishizaki/items/82912cadfd52f7b6716b
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
lm1 = lm(@formula(PetalWidth ~ PetalLength), iris)
StatsModels.DataFrameRegressionModel{LinearModel{LmResp{Array{Float64,1}},DensePredChol{Float64,LinearAlgebra.Cholesky{Float64,Array{Float64,2}}}},Array{Float64,2}}
Formula: PetalWidth ~ 1 + PetalLength
Coefficients:
Estimate Std.Error t value Pr(>|t|)
(Intercept) -0.363076 0.039762 -9.13122 <1e-15
PetalLength 0.415755 0.00958244 43.3872 <1e-85
pre = predict(lm1)
plot!(iris[:PetalLength],pre,label="predict")
jupyter notebook을 gist에 올려 둡니다.
htps : // st. 기주 b. 코 m / 요시노 부 이시 자키 / 01bf9 2 11322 458d761f0 824c5
Reference
이 문제에 관하여(Julia-1.0에서 iris), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/Yoshinobu-Ishizaki/items/82912cadfd52f7b6716b텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)