閉じる
閉じる
×
第17回：【科学・統計】レビュー系サイト・同人誌のための多変量解析入門（第3回）
2013-04-15 22:00
今回は「クラスター分析」の説明を行いますが、その前にこの連載企画で使っているフリーの統計ソフト「R」が、実に9年ぶりとなるメジャーアップデートが行われました。Rを持っている人はアップデート（インストール）をおすすめしておきます。ただしインストールした場合は、この記事にも書かれているとおり、パッケージも改めてインストールしなければならないので、ご注意ください。
統計解析ツール「R」、8年半ぶりのメジャーバージョンアップ版「R 3.0.0」リリース（SOURCEFORGE.JP）
http://sourceforge.jp/magazine/13/04/08/153000
さて、クラスター分析ですが、まずクラスター分析は、何らかの高度な数学的な手法を使った分析と言うよりも、特殊な集計法と言った方が適切なものであり、使われている数学的な考え方も簡単なものです。ただ、大量の計算が必要になるものであり、その点では至極コンピュータ向けの手法と言えます。
クラスター分析の際に使うものは、データの間の「距離」です。その「距離」はいくつかありますが、私たちにとって一番身近なのは「ユークリッド距離」でしょう。(x1,x2,x3,...,xn)と(y1,y2,y3,...,yn)というデータがあるとき、次の式で表されるものです。
ユークリッド距離＝√（(x1-y1)^2+(x2-y2)^2+...+(xn-yn)^2）
ところで、クラスター分析には2つの手法があります。第一に、k平均クラスター分析（k平均法）と呼ばれるもので、最初にk個のクラスターに分けることを決めて、そこからどのクラスターに所属するのかを鑑別するもの。第二に、階層的クラスター分析と呼ばれるもので、それぞれのデータに近いものをまとめ上げていくというものです。そして階層的クラスター分析の結果は、トーナメントの組み合わせ表のようなもの（デンドログラム）になり、結果の上からどんどんクラスターに分かれていくというものになります。
階層的クラスター分析におけるクラスターへのまとめ方は、最少距離法、重心法、ウォード法（クラスターの中心からの距離の分散を最大にするやりかた）などがあります。このようにして、データをクラスターに分けていくわけです。
さて、このクラスター分析をRコマンダーで行う方法を紹介します。Rコマンダーの起動及びデータフレームの作成については割愛します。データフレームをRコマンダーに読み込ませてアクティブデータセットとした後、メニューバーの「統計量」メニューから「次元解析」を選び、さらにその中の「クラスター分析」を選びます（図1）。ここでは階層的クラスター分析をやってみましょう。データは前回のこの企画で使った、ニコニコ静画における「霧雨魔理沙」タグのついているイラストのクリップ数上位40作品とします（データの詳細は http://ch.nicovideo.jp/kazugoto/blomaga/ar145908 を参照）。
これを選択すると、クラスター分析のメニューが出ます。文字を入力する欄にはデータを出力する文字を入力し、クラスター分けの方法と使用する距離を選択します。そして「OK」を押すと結果が文字に格納され、また「デンドログラムを描く」のチェックを入れているなら、R画面にデンドログラムが表示されます。一例として、今回の結果（クラスタリングはウォード法、距離はユークリッド距離）を図3に掲載しました。
このシリーズの予定（1回増やします）
第4回：間奏：ツール紹介（RStudio、Rzなど）
第5回（最終回）：テキストマイニング
【今後の掲載予定：定期コンテンツ（原則として毎月5,15,25日更新予定）】
第18回：【政策】若者雇用戦略を総括する（第4回）（2013年4月25日配信予定）
第19回：未定（2013年5月5日配信予定）
第20回：【思潮】「草食系男子」論の表象（第1回）（2013年5月15日配信予定）
【近況】
・2013年5月25日に、統計学勉強会「市民統計ワークショップ 東京第1回」を企画しております。詳しくは6日に配信したリリースをご覧ください。
リリース：http://ch.nicovideo.jp/kazugoto/blomaga/ar187873
場所：ルノアール高田馬場早稲田通り店（JR山手線、東京メトロ東西線、西武新宿線「高田馬場」駅より徒歩2分程度）
日程：2013年5月25日（土）15:00～17:00
参加費：一般参加2,500円、発表者参加1,000円（テキスト代含む、ドリンク代除く）
・「杜の奇跡20」新刊の同人誌『統計学で解き明かす成人の日社説の変遷――平成日本若者論史5』が現在発売中です。また、電子版は4月頃にKindleでの刊行を予定しております。
告知ページ：http://ameblo.jp/kazutomogoto/entry-11489088720.html
とらのあな：http://www.toranoana.jp/mailorder/article/04/0030/10/93/040030109347.html
COMIC ZIN：http://shop.comiczin.jp/products/detail.php?product_id=15815
・「検証・格差論」の最終回が掲載された『POSSE』第18号が発売中です。
http://www.npoposse.jp/magazine/index.html
・「超文学フリマ in ニコニコ超会議2」にサークル参加します。
開催日：2013年4月28日（日）
開催場所：幕張メッセ（JR京葉線「海浜幕張」駅より徒歩5分程度、またはJR総武本線「幕張本郷」駅・京成千葉線「京成幕張本郷」駅より京成バス利用）
スペース：「エ」ブロック03
・「第10回博麗神社例大祭」にサークル参加します。
開催日：2013年5月26日（日）
開催場所：東京ビッグサイト（ゆりかもめ「国際展示場正門」駅より徒歩3分程度、東京臨海高速鉄道りんかい線「国際展示場」駅より徒歩5分程度）
スペース：「す」ブロック37a
・「コミックマーケット83」新刊の『紅魔館の統計学なティータイム――市民のための統計学Special』と、『社会の見方、専門知の関わり方――俗論との対峙から考える』が委託販売中です。
『紅魔館の統計学なティータイム』
告知ページ：http://ameblo.jp/kazutomogoto/entry-11422949903.html
とらのあな：http://www.toranoana.jp/mailorder/article/04/0030/08/67/040030086743.html
COMIC ZIN：http://shop.comiczin.jp/products/detail.php?product_id=14496
電子書籍（メロンブックスDL）：http://www.melonbooks.com/index.php?main_page=product_info&products_id=IT0000160128
『社会の見方、専門知の関わり方――俗論との対峙から考える』（COMIC ZIN専売）
http://shop.comiczin.jp/products/detail.php?product_id=14728
・「コミックマーケット80」（2011年夏コミ）で出した『青少年言説Commenatries――後藤和智／後藤和智事務所OffLine発言集』を、ニセ科学関係、政策論関係を中心に再編集した普及版『青少年言説Commenatries Lite』や、電子書籍書き下ろしシリーズ「平成日本若者論史Plus」の『ロスジェネ・メディアの世代認識：『AERA』に見るロスジェネ世代の特別視と他世代への攻撃性に関する考察』『「ニート」肯定言説の甘い罠：若年労働問題の「本質」を語る危うさ』など、電子書籍がKindleにて配信中です。
Amazonの著者セントラルはこちらです。
http://www.amazon.co.jp/後藤-和智/e/B004LUVA6I
（2013年4月15日）
奥付
後藤和智の若者論と統計学っぽいブロマガ・第17回「【科学・統計】レビュー系サイト・同人誌のための多変量解析入門（第3回）」
著者：後藤 和智（Goto, Kazutomo）
発行者：後藤和智事務所OffLine
発行日：2013（平成25）年4月15日
連絡先：kgoto1984@nifty.com
チャンネルURL：http://ch.nicovideo.jp/channel/kazugoto
著者ウェブサイト：http://www45.atwiki.jp/kazugoto/
Twitter：@kazugoto
Facebook…
個人：http://www.facebook.com/kazutomo.goto.5
サークル：http://www.facebook.com/kazugotooffice
統計解析ツール「R」、8年半ぶりのメジャーバージョンアップ版「R 3.0.0」リリース（SOURCEFORGE.JP）
http://sourceforge.jp/magazine/13/04/08/153000
さて、クラスター分析ですが、まずクラスター分析は、何らかの高度な数学的な手法を使った分析と言うよりも、特殊な集計法と言った方が適切なものであり、使われている数学的な考え方も簡単なものです。ただ、大量の計算が必要になるものであり、その点では至極コンピュータ向けの手法と言えます。
クラスター分析の際に使うものは、データの間の「距離」です。その「距離」はいくつかありますが、私たちにとって一番身近なのは「ユークリッド距離」でしょう。(x1,x2,x3,...,xn)と(y1,y2,y3,...,yn)というデータがあるとき、次の式で表されるものです。
ユークリッド距離＝√（(x1-y1)^2+(x2-y2)^2+...+(xn-yn)^2）
ところで、クラスター分析には2つの手法があります。第一に、k平均クラスター分析（k平均法）と呼ばれるもので、最初にk個のクラスターに分けることを決めて、そこからどのクラスターに所属するのかを鑑別するもの。第二に、階層的クラスター分析と呼ばれるもので、それぞれのデータに近いものをまとめ上げていくというものです。そして階層的クラスター分析の結果は、トーナメントの組み合わせ表のようなもの（デンドログラム）になり、結果の上からどんどんクラスターに分かれていくというものになります。
階層的クラスター分析におけるクラスターへのまとめ方は、最少距離法、重心法、ウォード法（クラスターの中心からの距離の分散を最大にするやりかた）などがあります。このようにして、データをクラスターに分けていくわけです。
さて、このクラスター分析をRコマンダーで行う方法を紹介します。Rコマンダーの起動及びデータフレームの作成については割愛します。データフレームをRコマンダーに読み込ませてアクティブデータセットとした後、メニューバーの「統計量」メニューから「次元解析」を選び、さらにその中の「クラスター分析」を選びます（図1）。ここでは階層的クラスター分析をやってみましょう。データは前回のこの企画で使った、ニコニコ静画における「霧雨魔理沙」タグのついているイラストのクリップ数上位40作品とします（データの詳細は http://ch.nicovideo.jp/kazugoto/blomaga/ar145908 を参照）。
これを選択すると、クラスター分析のメニューが出ます。文字を入力する欄にはデータを出力する文字を入力し、クラスター分けの方法と使用する距離を選択します。そして「OK」を押すと結果が文字に格納され、また「デンドログラムを描く」のチェックを入れているなら、R画面にデンドログラムが表示されます。一例として、今回の結果（クラスタリングはウォード法、距離はユークリッド距離）を図3に掲載しました。
このシリーズの予定（1回増やします）
第4回：間奏：ツール紹介（RStudio、Rzなど）
第5回（最終回）：テキストマイニング
【今後の掲載予定：定期コンテンツ（原則として毎月5,15,25日更新予定）】
第18回：【政策】若者雇用戦略を総括する（第4回）（2013年4月25日配信予定）
第19回：未定（2013年5月5日配信予定）
第20回：【思潮】「草食系男子」論の表象（第1回）（2013年5月15日配信予定）
【近況】
・2013年5月25日に、統計学勉強会「市民統計ワークショップ 東京第1回」を企画しております。詳しくは6日に配信したリリースをご覧ください。
リリース：http://ch.nicovideo.jp/kazugoto/blomaga/ar187873
場所：ルノアール高田馬場早稲田通り店（JR山手線、東京メトロ東西線、西武新宿線「高田馬場」駅より徒歩2分程度）
日程：2013年5月25日（土）15:00～17:00
参加費：一般参加2,500円、発表者参加1,000円（テキスト代含む、ドリンク代除く）
・「杜の奇跡20」新刊の同人誌『統計学で解き明かす成人の日社説の変遷――平成日本若者論史5』が現在発売中です。また、電子版は4月頃にKindleでの刊行を予定しております。
告知ページ：http://ameblo.jp/kazutomogoto/entry-11489088720.html
とらのあな：http://www.toranoana.jp/mailorder/article/04/0030/10/93/040030109347.html
COMIC ZIN：http://shop.comiczin.jp/products/detail.php?product_id=15815
・「検証・格差論」の最終回が掲載された『POSSE』第18号が発売中です。
http://www.npoposse.jp/magazine/index.html
・「超文学フリマ in ニコニコ超会議2」にサークル参加します。
開催日：2013年4月28日（日）
開催場所：幕張メッセ（JR京葉線「海浜幕張」駅より徒歩5分程度、またはJR総武本線「幕張本郷」駅・京成千葉線「京成幕張本郷」駅より京成バス利用）
スペース：「エ」ブロック03
・「第10回博麗神社例大祭」にサークル参加します。
開催日：2013年5月26日（日）
開催場所：東京ビッグサイト（ゆりかもめ「国際展示場正門」駅より徒歩3分程度、東京臨海高速鉄道りんかい線「国際展示場」駅より徒歩5分程度）
スペース：「す」ブロック37a
・「コミックマーケット83」新刊の『紅魔館の統計学なティータイム――市民のための統計学Special』と、『社会の見方、専門知の関わり方――俗論との対峙から考える』が委託販売中です。
『紅魔館の統計学なティータイム』
告知ページ：http://ameblo.jp/kazutomogoto/entry-11422949903.html
とらのあな：http://www.toranoana.jp/mailorder/article/04/0030/08/67/040030086743.html
COMIC ZIN：http://shop.comiczin.jp/products/detail.php?product_id=14496
電子書籍（メロンブックスDL）：http://www.melonbooks.com/index.php?main_page=product_info&products_id=IT0000160128
『社会の見方、専門知の関わり方――俗論との対峙から考える』（COMIC ZIN専売）
http://shop.comiczin.jp/products/detail.php?product_id=14728
・「コミックマーケット80」（2011年夏コミ）で出した『青少年言説Commenatries――後藤和智／後藤和智事務所OffLine発言集』を、ニセ科学関係、政策論関係を中心に再編集した普及版『青少年言説Commenatries Lite』や、電子書籍書き下ろしシリーズ「平成日本若者論史Plus」の『ロスジェネ・メディアの世代認識：『AERA』に見るロスジェネ世代の特別視と他世代への攻撃性に関する考察』『「ニート」肯定言説の甘い罠：若年労働問題の「本質」を語る危うさ』など、電子書籍がKindleにて配信中です。
Amazonの著者セントラルはこちらです。
http://www.amazon.co.jp/後藤-和智/e/B004LUVA6I
（2013年4月15日）
奥付
後藤和智の若者論と統計学っぽいブロマガ・第17回「【科学・統計】レビュー系サイト・同人誌のための多変量解析入門（第3回）」
著者：後藤 和智（Goto, Kazutomo）
発行者：後藤和智事務所OffLine
発行日：2013（平成25）年4月15日
連絡先：kgoto1984@nifty.com
チャンネルURL：http://ch.nicovideo.jp/channel/kazugoto
著者ウェブサイト：http://www45.atwiki.jp/kazugoto/
Twitter：@kazugoto
Facebook…
個人：http://www.facebook.com/kazutomo.goto.5
サークル：http://www.facebook.com/kazugotooffice