Lock in $30 Savings on PRO—Offer Ends Soon! ⏳

ChatGPTにR言語を教えてもらう(仮)

 ChatGPTにR言語を教えてもらう(仮)

NobuakiOshiro

March 18, 2023
Tweet

More Decks by NobuakiOshiro

Other Decks in Technology

Transcript

  1. ChatGPTʹݴΘΕΔ͕··ɺirisσʔληοτΛ ࢖ͬͨσϞΛ࣮ߦ ### データの概要 head(iris) ## Sepal.Length Sepal.Width Petal.Length Petal.Width

    Species ## 1 5.1 3.5 1.4 0.2 setosa ## 2 4.9 3.0 1.4 0.2 setosa ## 3 4.7 3.2 1.3 0.2 setosa ## 4 4.6 3.1 1.5 0.2 setosa ## 5 5.0 3.6 1.4 0.2 setosa ## 6 5.4 3.9 1.7 0.4 setosa 7/29
  2. ###基本的な統計量 summary(iris) ## Sepal.Length Sepal.Width Petal.Length Petal.Width ## Min. :4.300

    Min. :2.000 Min. :1.000 Min. :0.100 ## 1st Qu.:5.100 1st Qu.:2.800 1st Qu.:1.600 1st Qu.:0.300 ## Median :5.800 Median :3.000 Median :4.350 Median :1.300 ## Mean :5.843 Mean :3.057 Mean :3.758 Mean :1.199 ## 3rd Qu.:6.400 3rd Qu.:3.300 3rd Qu.:5.100 3rd Qu.:1.800 ## Max. :7.900 Max. :4.400 Max. :6.900 Max. :2.500 ## Species ## setosa :50 ## versicolor:50 ## virginica :50 ## ## ## 8/29
  3. ###散布図行列 pairs(iris[, 1:4], main = "Iris Data", pch = 21,

    bg = c("red", "green3", "blue") [unclass(iris$Species)]) 9/29
  4. ࣮ߦ # 必要なパッケージをインストール #install.packages("caret") #install.packages("rpart") # パッケージを読み込む library(caret) ## Loading

    required package: ggplot2 ## Loading required package: lattice library(rpart) # データセットを学習データとテストデータに分割(例えば、75%を学習データ、25%をテストデータとする) set.seed(42) trainIndex <- createDataPartition(iris$Species, p = 0.75, list = FALSE) train_data <- iris[trainIndex, ] test_data <- iris[-trainIndex, ] # 決定木モデルを構築 model <- rpart(Species ~ ., data = train_data, method = "class") 11/29
  5. # モデルの予測精度を評価 predictions <- predict(model, test_data, type = "class") confusionMatrix(predictions,

    test_data$Species) ## Confusion Matrix and Statistics ## ## Reference ## Prediction setosa versicolor virginica ## setosa 12 0 0 ## versicolor 0 11 4 ## virginica 0 1 8 ## ## Overall Statistics ## ## Accuracy : 0.8611 ## 95% CI : (0.705, 0.9533) ## No Information Rate : 0.3333 ## P-Value [Acc > NIR] : 8.705e-11 ## ## Kappa : 0.7917 ## ## Mcnemar's Test P-Value : NA ## ## Statistics by Class: ## 12/29
  6. irisσʔληοτΛ࢖ͬͨσϞᶅ ࣍ʹɺʮ݁ՌΛ෼͔Γ΍͘͢ggplot2ͰՄࢹԽͯ͘͠Εʯͱݴͬͨ৔߹ · # 必要なパッケージをインストール #install.packages("ggplot2") #install.packages("GGally") # パッケージを読み込む library(ggplot2)

    library(GGally) ## Registered S3 method overwritten by 'GGally': ## method from ## +.gg ggplot2 # テストデータに予測結果を追加 test_data$PredictedSpecies <- predictions # 散布図行列を作成 plot <- ggpairs( test_data, columns = 1:4, mapping = ggplot2::aes(color = PredictedSpecies, shape = Species), 13/29
  7. શવ࿩͕มΘͬͯࢥ͍͖ͭͰ౤͛ͯΈΔ ʮϩέοτͷ؆қγϛϡϨʔγϣϯΛͯ͠ཉ͍͠ʯɺͱݴͬͨ৔߹ͷίʔυ · ###ロケットの簡易シミュレーション(ChatGPTが教えてくれたver) # 定数 g <- 9.81 #

    重力加速度 [m/s^2] mass <- 50 # ロケットの質量 [kg] thrust <- 1000 # ロケットの推力 [N] drag_coefficient <- 0.1 # 空気抵抗係数 air_density <- 1.225 # 空気密度 [kg/m^3] area <- 0.1 # ロケットの断面積 [m^2] # オイラー法による数値積分 time_step <- 0.1 # 時間ステップ [s] time <- seq(0, 10, time_step) velocity <- numeric(length(time)) position <- numeric(length(time)) 17/29
  8. for (i in 2:length(time)) { drag_force <- 0.5 * drag_coefficient

    * air_density * area * velocity[i - 1]^2 acceleration <- (thrust - mass * g - drag_force) / mass velocity[i] <- velocity[i - 1] + acceleration * time_step position[i] <- position[i - 1] + velocity[i - 1] * time_step } 18/29
  9. ࣮ߦ݁Ռͷϓϩοτ plot(time, position, type = "l", xlab = "Time [s]",

    ylab = "Altitude [m]", main = "Rocket Launch Simulation") 19/29