オーム社発売元雑誌一覧は
こちらをご覧ください
 

Rで学ぶデータマイニングII シミュレーション編

Rによる解析結果によるシミュレーションを徹底解説した！
Rで学ぶデータマイニングII シミュレーション編

このような方におすすめ

Rに興味のある人
	Rでデータマイニングを実行してみたい人
  • 著者熊谷 悦生・舟尾 暢男　共著
  • 定価4,180 円（本体3,800 円＋税）
  • B5変　264頁　2008/11発行
  • ISBN978-4-274-06747-1
  • 定価￥
  • ポイント0
  • 数量

※本体価格は変更される場合があります。
※通常2〜3営業日以内で発送いたします。
※取寄が可能な場合もございますのでお問合せください。

  • 概要
  • 主要目次
  • 詳細目次
「Rで学ぶデータマイニングI」の続編。本書では、「選挙データ解析」「ニューラルネットワークにおけるデータ解析」「株式売買に関するデータ解析」を行い、それぞれシミュレーションしていく。今回ターゲットとしているデータマイニング機能は、パッケージという形でさらに機能を拡張することができる（現段階で1500種類以上）。なお、本書のCD−ROMには、R本体と本文中で使用するパッケージを収録。また前編同様、コラムを多数掲載。
（※当書籍は、2007年8月に九天社から発行された書籍に対して、改訂・加筆を行いオーム社から再発行するものです）
https://www.ohmsha.co.jp/book/9784274067471/

正誤表やDLデータ等がある場合はこちらに掲載しています

第3部 種々のデータマイニング
第20章　選挙データ解析
第21章　ニューラルネットワークにおけるデータ解析
第4部　シミュレーションの現場
第22章　株式売掛こ関するデータ解析
第23章　シミュレーションに関する補遺
第5部　補説
第24章　SQL趨入門
第25章　Rのインストール
第3部 種々のデータマイニング
第20章　選挙データ解析
20.1　大阪市長選挙における選挙データ解析
　20.1.1　男女別投票率と合計投票率
　20.1.2　区による投票率の違い
　20.1.3　1995年と1999年における2大候補の得票率
　20.1.4　区による2大候補の得票率の違い
　20.1.5　1995年と1999年における2大候補の得票率
20.2　投票率と産業構造統計との関係
　20.2.1　1995年での投票率との関係
　20.2.2　1999年での投票率との関係
　20.2.3　AICによる説明変数の選択
第21章　ニューラルネットワークにおけるデータ解析
21.1　ニューラルネットワークの概説
　21.1.1　ニューラルネットワークによる解析の流れ
　21.1.2　ニューラルネットワークの欠点
21.2　Rでのニューラルネットワーク実践例（1）
　21.2.1　データ「iris」を用いてルールを作成する
　21.2.2　データ「iris」を用いて予測の−致度を調べる
21.3　Rでのニューラルネットワーク実践例（2）
　21.3.1　出生児データ「birthwt」にロジスティック回帰を適用する
　21.3.2　出生児データ「birthwt」にニューラルネットワークを適用する
　21.3.3　ニューラルネットワーク・ルールを感度分析で検証する
第4部　シミュレーションの現場
第22章　株式売掛こ関するデータ解析
22.1　時系列解析のおさらい
　22.1.1　時系列解析とは？
　22.1.2　定常過程と非定常過程
　22.1.3　まとめ
22.2　日経平均株価データの概要
　22.2.1　日経平均株価（銘柄コード：998407）について
　22.2.2　時系列としての基本的チェック
　22.2.3　時系列としての基本的チェックの例
　　　【キリンホールディングス（銘柄コード：2503）】
22.3　単位根検定
　22.3.1　単位根モデル
　22.3.2　単位根検定の例【武田薬品工業（銘柄コード：4502）】
　22.3.3　見せかけの回帰
22.4　幾何ブラウン運動モデル
　22.4.1　日経平均株価の対数
　22.4.2　日経平均株価の対数の差分
22.5　日経平均株価データに対するARlMAモデル
　22.5.1　AR，MA，ARMAモデル
　22.5.2　ARモデルによる日経平均株価の予測
　22.5.3　ARIMAモデルによる日経平均株価の予測
　22.5.4　ARIMAモデルによる予測例
　　　【神戸製鋼所（銘柄コード：5406）】
　22.5.5　ARIMAモデルによるシミュレーション 
　22.5.6　ARIMAモデルによるシミュレーション例
　　　【ダイキン工業（銘柄コード：6367）】
22.6　GARCHモデル
　22.6.1　日経平均株価でのGARCHモデル
　22.6.2　日経平均株価の収益率でのGARCHモデル
　22.6.3　GARCHモデルの適用例
　　　【太陽誘電（銘柄コード：6976）】
22.7　代表的なテクニカル分析
　22.7.1　一目均衡表
　22.7.2　一日均衡表の適用例【マツダ（銘柄コード：7261）】
　22.7.3　移動平均線
　22.7.4　移動平均線の適用例【高島屋（銘柄コード：8233）】
　22.7.5　RSI（Relative Strength lndex）
　22.7.6　RSIの適用例【住友信託銀行（銘柄コード：8403）】
　22.7.7　MACD（Moving Average Convergence and Divergence）
　22.7.8　MACDの適用例
　　　【西日本旅客鉄道（銘柄コード：9021）】
　22.7.9　ボリンジャーバンド（Bollinger bands）
　22.7.10　ボリンジャーバンド（Bollinger bands）の適用例
　　　【大阪ガス（銘柄コード：9532）】
22.8　株価売買の単純戦略シミュレーション
　22.8.1　乱数を使った株価売買の単純戦略シミュレーション
　22.8.2　株価売買の単純戦略シミュレーション
　22.8.3　株価売買の単純戦略シミュレーション例
　　　【NTTドコモ（銘柄コード：9437）】
第23章　シミュレーションに関する補遺
23.1　株価データを取得する方法
23.2　パッケージtseriesのインストール方法
23.3　シミュレーションに関する補足
　23.3.1　ARIMAモデルの適用
　23.3.2　ARTMAモデルによるシミュレーション
　23.3.3　乱数を使った株価売買の単純戦略シミュレーション
第5部　補説
第24章　SQL趨入門
24.1　データベースとSQL
24.2　パッケージの読み込み
24.3　RODBCを使った外部ファイルの読み込み
　24.3.1　ExcelファイルやAccessファイルの読み込み
　24.3.2　SQLの命令を用いたファイルの読み込み
24.4　SQLの命令を使ったデータフレームの編集方法
　24.4.1　データの表示
　24.4.2　データの条件抽出（1）
　24.4.3　データの条件抽出（2）
　24.4.4　データの条件抽出（3）
　24.4.5　ワイルドカードを用いたデータの条件抽出
　24.4.8　データの縦結合
　24.4.7　データフレームの各カテゴリの平均
　24.4.8　データの並べ替え（1）
　24.4.9　データの並べ替え（2）
　24.4.10　データの並べ替え（3）
　24.4.11　重複レコードの削除
24.5　SQLiteとRSQLite
第25章　Rのインストール
25.1　Windows版Rのインストール
25.2　MacOSX版Rのインストール
25.3　Linux版Rのインストール
　25.3.1　Fedora Core，Red Hat Linuxへのインストール例
　25.3.2　Vinelinuxへのインストール例
　25.3.3　openSUSE Linuxへのインストール例
　25.3.4　DebianGNU/Linux，Ubuntuへのインストール例