フリーの環境を使い，実践しながらひと通りの手法を学べる入門書です．ネット上にあふれる膨大なテキストデータを効率よく収集・分析する方法や，アンケート結果をデータに置き換えて分析する方法を紹介します．

初心者はもちろん，さまざまな手法を知りたいという読者にもおすすめです．

〈おすすめポイント〉

・基本的な手法のほか，ウェブスクレイピングやトピックモデルといった，最近注目の技術も紹介．

・ネットワークグラフ，ワードクラウドなどの可視化機能をふんだんに利用．データの特徴をつかむのに役立つ．

・実践には統合環境RStudioを導入．RStudioでは，マウスによる直感的な操作ができ，コードの補完機能などもあるので，簡単・快適に作業をすることが可能．

テキストマイニングの定番書を，Rのバージョンアップや新機能に対応して大幅にリニューアルしたものです．さらに使いやすく，充実した内容となっています．

第1章　テキストマイニングとは何か

第2章　テキストマイニングの準備

第3章　R/RStudio速習

第4章　文字処理と正規表現

第5章　RMeCabによるテキスト解析

第6章　口コミのテキストマイニングーウェブスクレイピング

第7章　アンケート自由記述文の分析ー対応分析

第8章　青空文庫データの解析ーワードクラウドとネットワークグラフ

第9章　テキストの分類ークラスター分析，トピックモデル

第10章　書き手の判別ー漱石と鴎外の文体比較

第11章　Twitterタイムラインの分析ーAPIの利用

教育現場のデータを活かすために！

本書は、教育現場に蓄積された多様なデジタルデータ（成績データ、アンケート結果など）の分析方法を解説します。

中・高・大や予備校などの教育現場には、多くのデータ（試験・入試の結果、TOEICなどの外部試験の結果、出席管理システムの情報など）が、なかば勝手に集積されていきます。昨今、データ利用の重要性が叫ばれるなか、そのようなデータの山の中から教育上、有用な知見を見つけ出すことが教育現場にも求められています。

本書は、大学や予備校、通信教育の教職員・事務職員、教育に熱心な中・高の教職員をおもたる対象として、教育データの分析手法や考え方を解説しています。オープンソースの統計分析向けのソフトウェア環境であるRを用いることで、実際に使える実践的な方法を解説しています。

教育分野の方以外にも、データ分析が身近な学校という現場を例に、どのように実応用されているかを知ることができる一冊になっています。

絶え間なく更新されるベストプラクティスが

「ベスト」であり続けるための基礎技術のすべて

【本書の内容】

本書は

Brett Lantz, "Machine Learning with R - Third Edition",

Packt Publishing, 2019

の邦訳版です。

本書は「機械学習」で語られることの多い手法（最近傍法や回帰法、ナイーブベイズ

や決定木を使った分類法）を網羅し、それぞれの意味や成立条件を解説します。

といっても、ゴリゴリの数式だけを使うわけではなく、既存のデータを使用し、

それら手法によって解析した結果、どのようなグラフが表示されるか、を

手取り足取りで解説してくれます。

ですから、機械学習を構成するさまざまな手法を、実際に使えるレベルで理解できる

ようになります。

そのため、自身が関わるプロジェクトにおいて、どの手法がベストプラクティスと

なるのか、無意味な分析・解析を避ける勘所がわかるようになるでしょう。

「機械学習」を学んだものの「もやもや」に付きまとわれているエンジニアに

よく効く一冊です。

【本書のポイント】

・「機械学習」と呼ばれる手法を網羅

・手法を構成する手続きやその前準備を微細に解説

・各手法のメリットとデメリットも紹介

・実際に手を動かすことで各種手法を正しく利用できるようになる

【読者が得られること】

・機械学習とその派生手法のモデルを頭の中に構築できる

・機械学習を成立させるさまざまな手法に精通できる

・プロジェクトで真に必要な手法がわかる

・（ついでに）R言語（4.x系）も習得できる

【著者について】

・Brett Lantz（ブレット・ランツ）

社会学者として教育を受けた著者は、人間の行動を理解するために10年以上に

わたってイノベーティブなデータ手法を活用してきた。

DataCampの講師であり、世界中の機械学習カンファレンスやワークショップで

たびたび講演を行っている。

統計学者によって開発された「R」は、データ解析のスタンダードになりつつあります。本書では補助ソフト「Rコマンダー」を用いた、コマンド入力のいらない解析の方法を紹介します。データの特徴の把握から、2変数間の相関の解析、回帰分析による最適なモデルの選択まで、実際のデータ解析の流れを体験することで、操作方法と統計の考え方が理解できる、初めての人に最適な一冊です。

世界標準の統計ソフト「R」を使ってみよう！

統計学者によって開発された「R」は、データ解析のスタンダードになりつつあります。本書では補助ソフト「Rコマンダー」を用いた、コマンド入力のいらない解析の方法を紹介します。データの特徴の把握から、2変数間の相関の解析、回帰分析による最適なモデルの選択まで、実際のデータ解析の流れを体験することで、操作方法と統計の考え方が理解できる、初めての人に最適な一冊です。

本書では、特設サイトからダウンロードできるサンプルデータを使用して実際のデータ解析を体験します。

記載された手順にそってソフトを動かすことで、散布図や棒グラフ・円グラフを描いて視覚的にデータの特徴をつかむ統計解析の初歩から、重回帰分析やロジスティック回帰分析といった高度な分析まで、スピーディーに学習することができます。また、実際のデータを「R」で解析しやすい形式にして取り込む方法もしっかり解説しています。

　【目次】

　　第1章「R」ってなに？

　　第2章 Rを使うための準備

　　第3章 Rコマンダーを使ってみよう

　　第4章 データ解析を始める前に

　　第5章 データの特徴を探る

　　第6章 変数間の関係を探る

　　第7章 平均に関する推定と検定

　　第8章 分散に関する検定

　　第9章 分散分析

　　第10章 回帰分析

　　第11章 比率に関する推定と検定

　　第12章 ロジスティック回帰分析

　　第13章 データセットの準備　

　　第14章 変数およびデータの管理

　付録

　　Rマークダウン機能について

　　有用な演算子一覧表

　　有用な関数一覧表

　　統計用語集

第1章「R」ってなに？

第2章 Rを使うための準備

第3章 Rコマンダーを使ってみよう

第4章 データ解析を始める前に

第5章 データの特徴を探る

第6章 変数間の関係を探る

第7章 平均に関する推定と検定

第8章 分散に関する検定

第9章 分散分析

第10章 回帰分析

第11章 比率に関する推定と検定

第12章 ロジスティック回帰分析

第13章 データセットの準備　

第14章 変数およびデータの管理

付録

　Rマークダウン機能について

　有用な演算子一覧表

　有用な関数一覧表

　統計用語集

Rパッケージの開発者として名高いKun Renが，R初心者およびRについてある程度は扱えるものの知識がアップデートされていない中級者へ向けて書いた入門書。モダンなアプローチでRの内容が平易に解説されている。前半はRの言語解説（オブジェクトやデータの扱い方等）についてページが割かれ，金融分野でRを扱ってきた著者の経験をふまえ，一部では難解ともいわれるRの言語仕様がわかりやすく書かれている。読者は文章に引き込まれながら読んでいくうちに自然とRに関する深い知識を身に付けることができるだろう。後半はRについての発展的な内容となっており，最近のdplyrやrlist，data.tableといったモダンなデータハンドリングパッケージ，他書では扱っていないメタプログラミング，RによりWebスクレイピングをいかにプログラミングしていくかなど，十分に読み応えのあるものとなっている。

多機能でありながら無料で使える統計解析ソフト「Ｒ」。その利便性からもＲによるデータ処理がますます広がっている。一方，統計学の入門的知識があっても，このソフトに敷居の高さを感じる人は少なくない。はじめてＲに触れる初学者対象に，Ｒを使っての統計解析の最初の一歩を踏み出すための説明をコンパクトにまとめた。

■第1部　【導入編】Rを始める

　第1章　Rプログラミングの考え方

　第2章　Rを始める

■第2部　【初級編】Rによるデータ分析の基本

［プログラミングの体験］

　第1章　データ分析を体験する

　第2章　3行プログラミングを構成する要素

［データの取り扱いの基本］

　第3章　データの型

　第4章　ベクトル・行列・配列

　第5章　データフレーム

　第6章　いろいろなデータ構造の使い分け

　第7章　入出力

［様々な計算・分析処理の事例］

　第8章　演算子と論理演算

　第9章　3行以下で終わる分析の例：集計編

　第10章　3行以下で終わる分析の例：変換編

　第11章　3行以下で終わる分析の例：可視化編

　第12章　確率分布

　第13章　3行以下で終わる分析の例：推測統計編

　第14章　外部パッケージの活用

■第3部　【中級編】長いコードを書く技術

［環境構築］

　第1章　Gitによるバージョン管理

［Rの構文の理解］

　第2章　条件分岐と繰り返し

　第3章　関数の作成と関数の活用

　第4章　関数の応用的な使い方

［実装時の工夫］

第5章　長いコードを書くときの工夫

■第4部　【応用編】Tidyverseの活用

［導入］

　第1章　Tidyverseの基本

［Tidyverseによるデータ処理］

　第2章　パイプ演算子

　第3章　データの読み込み

　第4章　データの抽出・変換・集計

　第5章　日付の操作

　第6章　データの可視化

　第7章　データの整形と結合

　参考文献

　索引

　Rリファレンス