SlideShare a Scribd company logo

#詐欺グラフ

•
•
Akihiko Iyoda
Akihiko Iyoda

第二回ニコニコ学会βデータ研究会のおまけLTで発表したものです。 多少わかりやすく補足してあります。

Education
1 of 14
Download to read offline
# 1
2
2013 3 10 20
4 • • • • • •
ICT / 2012 5
6
2010 7
NHK 2010 8 …
2009 10 11 9 •
2012 10 • •
BCN 2011 7 11 …
12 • • • • • … • … …
13Wonder Graph Generato http://aikelab.net/wdgg/
14 • : - • http://agora-web.jp/archives/1419972.html • - NAVER • http://matome.naver.jp/odai/2131592080611832101

Recommended

絶対に描いてはいけないグラフ入りスライド24枚
絶対に描いてはいけないグラフ入りスライド24枚絶対に描いてはいけないグラフ入りスライド24枚
絶対に描いてはいけないグラフ入りスライド24枚itoyan110
 
楽しい研究のために今からできること 〜新しく研究を始める皆さんへ〜
楽しい研究のために今からできること 〜新しく研究を始める皆さんへ〜楽しい研究のために今からできること 〜新しく研究を始める皆さんへ〜
楽しい研究のために今からできること 〜新しく研究を始める皆さんへ〜諒介 荒木
 
がうす・まるこふ の定理とかそのへん
がうす・まるこふ の定理とかそのへんがうす・まるこふ の定理とかそのへん
がうす・まるこふ の定理とかそのへんT T
 
文章生成の未解決問題
文章生成の未解決問題文章生成の未解決問題
文章生成の未解決問題KCS Keio Computer Society
 
[DL輪読会]Deep Learning 第2章 線形代数
[DL輪読会]Deep Learning 第2章 線形代数[DL輪読会]Deep Learning 第2章 線形代数
[DL輪読会]Deep Learning 第2章 線形代数Deep Learning JP
 
『繋がり』を見る：　Cytoscapeと周辺ツールを使ったグラフデータ可視化入門
『繋がり』を見る：　Cytoscapeと周辺ツールを使ったグラフデータ可視化入門『繋がり』を見る：　Cytoscapeと周辺ツールを使ったグラフデータ可視化入門
『繋がり』を見る：　Cytoscapeと周辺ツールを使ったグラフデータ可視化入門Keiichiro Ono
 
統計学の基礎の基礎
統計学の基礎の基礎統計学の基礎の基礎
統計学の基礎の基礎Ken'ichi Matsui
 
外れ値
外れ値外れ値
外れ値Shintaro Fukushima
 

Recommended

絶対に描いてはいけないグラフ入りスライド24枚
絶対に描いてはいけないグラフ入りスライド24枚絶対に描いてはいけないグラフ入りスライド24枚
絶対に描いてはいけないグラフ入りスライド24枚itoyan110
 
楽しい研究のために今からできること 〜新しく研究を始める皆さんへ〜
楽しい研究のために今からできること 〜新しく研究を始める皆さんへ〜楽しい研究のために今からできること 〜新しく研究を始める皆さんへ〜
楽しい研究のために今からできること 〜新しく研究を始める皆さんへ〜諒介 荒木
 
がうす・まるこふ の定理とかそのへん
がうす・まるこふ の定理とかそのへんがうす・まるこふ の定理とかそのへん
がうす・まるこふ の定理とかそのへんT T
 
文章生成の未解決問題
文章生成の未解決問題文章生成の未解決問題
文章生成の未解決問題KCS Keio Computer Society
 
[DL輪読会]Deep Learning 第2章 線形代数
[DL輪読会]Deep Learning 第2章 線形代数[DL輪読会]Deep Learning 第2章 線形代数
[DL輪読会]Deep Learning 第2章 線形代数Deep Learning JP
 
『繋がり』を見る：　Cytoscapeと周辺ツールを使ったグラフデータ可視化入門
『繋がり』を見る：　Cytoscapeと周辺ツールを使ったグラフデータ可視化入門『繋がり』を見る：　Cytoscapeと周辺ツールを使ったグラフデータ可視化入門
『繋がり』を見る：　Cytoscapeと周辺ツールを使ったグラフデータ可視化入門Keiichiro Ono
 
統計学の基礎の基礎
統計学の基礎の基礎統計学の基礎の基礎
統計学の基礎の基礎Ken'ichi Matsui
 
外れ値
外れ値外れ値
外れ値Shintaro Fukushima
 
学振特別研究員になるために～2023年度申請版
学振特別研究員になるために～2023年度申請版学振特別研究員になるために～2023年度申請版
学振特別研究員になるために～2023年度申請版Masahito Ohue
 
ggplot2用例集　入門編
ggplot2用例集　入門編ggplot2用例集　入門編
ggplot2用例集　入門編nocchi_airport
 
計量時系列分析の立場からビジネスの現場のデータを見てみよう - 30th Tokyo Webmining
計量時系列分析の立場からビジネスの現場のデータを見てみよう - 30th Tokyo Webmining計量時系列分析の立場からビジネスの現場のデータを見てみよう - 30th Tokyo Webmining
計量時系列分析の立場からビジネスの現場のデータを見てみよう - 30th Tokyo WebminingTakashi J OZAKI
 
『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた
『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた
『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた. .
 
Sliced Wasserstein Distance for Learning Gaussian Mixture Models
Sliced Wasserstein Distance for Learning Gaussian Mixture ModelsSliced Wasserstein Distance for Learning Gaussian Mixture Models
Sliced Wasserstein Distance for Learning Gaussian Mixture ModelsFujimoto Keisuke
 
ggplot2再入門（2015年バージョン）
ggplot2再入門（2015年バージョン）ggplot2再入門（2015年バージョン）
ggplot2再入門（2015年バージョン）yutannihilation
 
関数データ解析の概要とその方法
関数データ解析の概要とその方法関数データ解析の概要とその方法
関数データ解析の概要とその方法Hidetoshi Matsui
 
老害について
老害について老害について
老害についてKen SASAKI
 
DL Hacks輪読 Semi-supervised Learning with Deep Generative Models
DL Hacks輪読 Semi-supervised Learning with Deep Generative ModelsDL Hacks輪読 Semi-supervised Learning with Deep Generative Models
DL Hacks輪読 Semi-supervised Learning with Deep Generative ModelsYusuke Iwasawa
 
学振特別研究員になるために～2020年度申請版
学振特別研究員になるために～2020年度申請版学振特別研究員になるために～2020年度申請版
学振特別研究員になるために～2020年度申請版Masahito Ohue
 
実験計画法入門 Part 2
実験計画法入門 Part 2実験計画法入門 Part 2
実験計画法入門 Part 2haji mizu
 
統計的因果推論への招待 -因果構造探索を中心に-
統計的因果推論への招待 -因果構造探索を中心に-統計的因果推論への招待 -因果構造探索を中心に-
統計的因果推論への招待 -因果構造探索を中心に-Shiga University, RIKEN
 
合成変量とアンサンブル：回帰森と加法モデルの要点
合成変量とアンサンブル：回帰森と加法モデルの要点合成変量とアンサンブル：回帰森と加法モデルの要点
合成変量とアンサンブル：回帰森と加法モデルの要点Ichigaku Takigawa
 
15分でわかる(範囲の)ベイズ統計学
15分でわかる(範囲の)ベイズ統計学15分でわかる(範囲の)ベイズ統計学
15分でわかる(範囲の)ベイズ統計学Ken'ichi Matsui
 
[DL輪読会]Deep Learning 第3章 確率と情報理論
[DL輪読会]Deep Learning 第3章 確率と情報理論[DL輪読会]Deep Learning 第3章 確率と情報理論
[DL輪読会]Deep Learning 第3章 確率と情報理論Deep Learning JP
 
人の流れデータを用いたトリップチェーンの形状と地域特性の分析
人の流れデータを用いたトリップチェーンの形状と地域特性の分析人の流れデータを用いたトリップチェーンの形状と地域特性の分析
人の流れデータを用いたトリップチェーンの形状と地域特性の分析o_hiroshi
 
ひたすら楽してスライド作成
ひたすら楽してスライド作成ひたすら楽してスライド作成
ひたすら楽してスライド作成Masanori Morise
 
外苑イチョウ並木の不都合な真実.pdf
外苑イチョウ並木の不都合な真実.pdf外苑イチョウ並木の不都合な真実.pdf
外苑イチョウ並木の不都合な真実.pdfRochelle Kopp
 
先端技術とメディア表現1 #FTMA15
先端技術とメディア表現1 #FTMA15先端技術とメディア表現1 #FTMA15
先端技術とメディア表現1 #FTMA15Yoichi Ochiai
 
ランダムフォレスト
ランダムフォレストランダムフォレスト
ランダムフォレストKinki University
 
統計非専門家の認知を促進するための情報の可視化
統計非専門家の認知を促進するための情報の可視化統計非専門家の認知を促進するための情報の可視化
統計非専門家の認知を促進するための情報の可視化Yoshihide Nishio
 
Webライティング11のルール
Webライティング11のルールWebライティング11のルール
Webライティング11のルールTsutomu Sogitani
 

More Related Content

What's hot

学振特別研究員になるために～2023年度申請版
学振特別研究員になるために～2023年度申請版学振特別研究員になるために～2023年度申請版
学振特別研究員になるために～2023年度申請版Masahito Ohue
 
ggplot2用例集　入門編
ggplot2用例集　入門編ggplot2用例集　入門編
ggplot2用例集　入門編nocchi_airport
 
計量時系列分析の立場からビジネスの現場のデータを見てみよう - 30th Tokyo Webmining
計量時系列分析の立場からビジネスの現場のデータを見てみよう - 30th Tokyo Webmining計量時系列分析の立場からビジネスの現場のデータを見てみよう - 30th Tokyo Webmining
計量時系列分析の立場からビジネスの現場のデータを見てみよう - 30th Tokyo WebminingTakashi J OZAKI
 
『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた
『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた
『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた. .
 
Sliced Wasserstein Distance for Learning Gaussian Mixture Models
Sliced Wasserstein Distance for Learning Gaussian Mixture ModelsSliced Wasserstein Distance for Learning Gaussian Mixture Models
Sliced Wasserstein Distance for Learning Gaussian Mixture ModelsFujimoto Keisuke
 
ggplot2再入門（2015年バージョン）
ggplot2再入門（2015年バージョン）ggplot2再入門（2015年バージョン）
ggplot2再入門（2015年バージョン）yutannihilation
 
関数データ解析の概要とその方法
関数データ解析の概要とその方法関数データ解析の概要とその方法
関数データ解析の概要とその方法Hidetoshi Matsui
 
老害について
老害について老害について
老害についてKen SASAKI
 
DL Hacks輪読 Semi-supervised Learning with Deep Generative Models
DL Hacks輪読 Semi-supervised Learning with Deep Generative ModelsDL Hacks輪読 Semi-supervised Learning with Deep Generative Models
DL Hacks輪読 Semi-supervised Learning with Deep Generative ModelsYusuke Iwasawa
 
学振特別研究員になるために～2020年度申請版
学振特別研究員になるために～2020年度申請版学振特別研究員になるために～2020年度申請版
学振特別研究員になるために～2020年度申請版Masahito Ohue
 
実験計画法入門 Part 2
実験計画法入門 Part 2実験計画法入門 Part 2
実験計画法入門 Part 2haji mizu
 
統計的因果推論への招待 -因果構造探索を中心に-
統計的因果推論への招待 -因果構造探索を中心に-統計的因果推論への招待 -因果構造探索を中心に-
統計的因果推論への招待 -因果構造探索を中心に-Shiga University, RIKEN
 
合成変量とアンサンブル：回帰森と加法モデルの要点
合成変量とアンサンブル：回帰森と加法モデルの要点合成変量とアンサンブル：回帰森と加法モデルの要点
合成変量とアンサンブル：回帰森と加法モデルの要点Ichigaku Takigawa
 
15分でわかる(範囲の)ベイズ統計学
15分でわかる(範囲の)ベイズ統計学15分でわかる(範囲の)ベイズ統計学
15分でわかる(範囲の)ベイズ統計学Ken'ichi Matsui
 
[DL輪読会]Deep Learning 第3章 確率と情報理論
[DL輪読会]Deep Learning 第3章 確率と情報理論[DL輪読会]Deep Learning 第3章 確率と情報理論
[DL輪読会]Deep Learning 第3章 確率と情報理論Deep Learning JP
 
人の流れデータを用いたトリップチェーンの形状と地域特性の分析
人の流れデータを用いたトリップチェーンの形状と地域特性の分析人の流れデータを用いたトリップチェーンの形状と地域特性の分析
人の流れデータを用いたトリップチェーンの形状と地域特性の分析o_hiroshi
 
ひたすら楽してスライド作成
ひたすら楽してスライド作成ひたすら楽してスライド作成
ひたすら楽してスライド作成Masanori Morise
 
外苑イチョウ並木の不都合な真実.pdf
外苑イチョウ並木の不都合な真実.pdf外苑イチョウ並木の不都合な真実.pdf
外苑イチョウ並木の不都合な真実.pdfRochelle Kopp
 
先端技術とメディア表現1 #FTMA15
先端技術とメディア表現1 #FTMA15先端技術とメディア表現1 #FTMA15
先端技術とメディア表現1 #FTMA15Yoichi Ochiai
 
ランダムフォレスト
ランダムフォレストランダムフォレスト
ランダムフォレストKinki University
 

What's hot (20)

学振特別研究員になるために～2023年度申請版
学振特別研究員になるために～2023年度申請版学振特別研究員になるために～2023年度申請版
学振特別研究員になるために～2023年度申請版
 
ggplot2用例集　入門編
ggplot2用例集　入門編ggplot2用例集　入門編
ggplot2用例集　入門編
 
計量時系列分析の立場からビジネスの現場のデータを見てみよう - 30th Tokyo Webmining
計量時系列分析の立場からビジネスの現場のデータを見てみよう - 30th Tokyo Webmining計量時系列分析の立場からビジネスの現場のデータを見てみよう - 30th Tokyo Webmining
計量時系列分析の立場からビジネスの現場のデータを見てみよう - 30th Tokyo Webmining
 
『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた
『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた
『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた
 
Sliced Wasserstein Distance for Learning Gaussian Mixture Models
Sliced Wasserstein Distance for Learning Gaussian Mixture ModelsSliced Wasserstein Distance for Learning Gaussian Mixture Models
Sliced Wasserstein Distance for Learning Gaussian Mixture Models
 
ggplot2再入門（2015年バージョン）
ggplot2再入門（2015年バージョン）ggplot2再入門（2015年バージョン）
ggplot2再入門（2015年バージョン）
 
関数データ解析の概要とその方法
関数データ解析の概要とその方法関数データ解析の概要とその方法
関数データ解析の概要とその方法
 
老害について
老害について老害について
老害について
 
DL Hacks輪読 Semi-supervised Learning with Deep Generative Models
DL Hacks輪読 Semi-supervised Learning with Deep Generative ModelsDL Hacks輪読 Semi-supervised Learning with Deep Generative Models
DL Hacks輪読 Semi-supervised Learning with Deep Generative Models
 
学振特別研究員になるために～2020年度申請版
学振特別研究員になるために～2020年度申請版学振特別研究員になるために～2020年度申請版
学振特別研究員になるために～2020年度申請版
 
実験計画法入門 Part 2
実験計画法入門 Part 2実験計画法入門 Part 2
実験計画法入門 Part 2
 
統計的因果推論への招待 -因果構造探索を中心に-
統計的因果推論への招待 -因果構造探索を中心に-統計的因果推論への招待 -因果構造探索を中心に-
統計的因果推論への招待 -因果構造探索を中心に-
 
合成変量とアンサンブル：回帰森と加法モデルの要点
合成変量とアンサンブル：回帰森と加法モデルの要点合成変量とアンサンブル：回帰森と加法モデルの要点
合成変量とアンサンブル：回帰森と加法モデルの要点
 
15分でわかる(範囲の)ベイズ統計学
15分でわかる(範囲の)ベイズ統計学15分でわかる(範囲の)ベイズ統計学
15分でわかる(範囲の)ベイズ統計学
 
[DL輪読会]Deep Learning 第3章 確率と情報理論
[DL輪読会]Deep Learning 第3章 確率と情報理論[DL輪読会]Deep Learning 第3章 確率と情報理論
[DL輪読会]Deep Learning 第3章 確率と情報理論
 
人の流れデータを用いたトリップチェーンの形状と地域特性の分析
人の流れデータを用いたトリップチェーンの形状と地域特性の分析人の流れデータを用いたトリップチェーンの形状と地域特性の分析
人の流れデータを用いたトリップチェーンの形状と地域特性の分析
 
ひたすら楽してスライド作成
ひたすら楽してスライド作成ひたすら楽してスライド作成
ひたすら楽してスライド作成
 
外苑イチョウ並木の不都合な真実.pdf
外苑イチョウ並木の不都合な真実.pdf外苑イチョウ並木の不都合な真実.pdf
外苑イチョウ並木の不都合な真実.pdf
 
先端技術とメディア表現1 #FTMA15
先端技術とメディア表現1 #FTMA15先端技術とメディア表現1 #FTMA15
先端技術とメディア表現1 #FTMA15
 
ランダムフォレスト
ランダムフォレストランダムフォレスト
ランダムフォレスト
 

Viewers also liked

統計非専門家の認知を促進するための情報の可視化
統計非専門家の認知を促進するための情報の可視化統計非専門家の認知を促進するための情報の可視化
統計非専門家の認知を促進するための情報の可視化Yoshihide Nishio
 
Webライティング11のルール
Webライティング11のルールWebライティング11のルール
Webライティング11のルールTsutomu Sogitani
 
線形モデルによる文京区の賃貸物件価格の解釈（「最高の借家」は統計解析で見つかるか？）
線形モデルによる文京区の賃貸物件価格の解釈（「最高の借家」は統計解析で見つかるか？）線形モデルによる文京区の賃貸物件価格の解釈（「最高の借家」は統計解析で見つかるか？）
線形モデルによる文京区の賃貸物件価格の解釈（「最高の借家」は統計解析で見つかるか？）windfall_j
 
見やすいプレゼン資料の作り方 - リニューアル増量版
見やすいプレゼン資料の作り方 - リニューアル増量版見やすいプレゼン資料の作り方 - リニューアル増量版
見やすいプレゼン資料の作り方 - リニューアル増量版MOCKS | Yuta Morishige
 
データビジュアライゼーションはなぜ「コストが高い」と言われるのか
データビジュアライゼーションはなぜ「コストが高い」と言われるのかデータビジュアライゼーションはなぜ「コストが高い」と言われるのか
データビジュアライゼーションはなぜ「コストが高い」と言われるのか清水 正行
 
データをわかりやすく可視化する「データビジュアライゼーション」勉強会
データをわかりやすく可視化する「データビジュアライゼーション」勉強会データをわかりやすく可視化する「データビジュアライゼーション」勉強会
データをわかりやすく可視化する「データビジュアライゼーション」勉強会Yuichi Yazaki
 
Python for R Users
Python for R UsersPython for R Users
Python for R UsersAjay Ohri
 
細かすぎて伝わらないD3 ver.4の話
細かすぎて伝わらないD3 ver.4の話細かすぎて伝わらないD3 ver.4の話
細かすぎて伝わらないD3 ver.4の話清水 正行
 
【プレゼン】見やすいプレゼン資料の作り方【初心者用】
【プレゼン】見やすいプレゼン資料の作り方【初心者用】【プレゼン】見やすいプレゼン資料の作り方【初心者用】
【プレゼン】見やすいプレゼン資料の作り方【初心者用】MOCKS | Yuta Morishige
 
初心者のためのTableau0→1
初心者のためのTableau0→1初心者のためのTableau0→1
初心者のためのTableau0→1OWL.learn
 
可視化法学(Linked Open Data Challenge 2016)授賞式プレゼン
可視化法学(Linked Open Data Challenge 2016)授賞式プレゼン可視化法学(Linked Open Data Challenge 2016)授賞式プレゼン
可視化法学(Linked Open Data Challenge 2016)授賞式プレゼン(shibao)芝尾 (kouichiro)幸一郎
 

Viewers also liked (12)

統計非専門家の認知を促進するための情報の可視化
統計非専門家の認知を促進するための情報の可視化統計非専門家の認知を促進するための情報の可視化
統計非専門家の認知を促進するための情報の可視化
 
Webライティング11のルール
Webライティング11のルールWebライティング11のルール
Webライティング11のルール
 
線形モデルによる文京区の賃貸物件価格の解釈（「最高の借家」は統計解析で見つかるか？）
線形モデルによる文京区の賃貸物件価格の解釈（「最高の借家」は統計解析で見つかるか？）線形モデルによる文京区の賃貸物件価格の解釈（「最高の借家」は統計解析で見つかるか？）
線形モデルによる文京区の賃貸物件価格の解釈（「最高の借家」は統計解析で見つかるか？）
 
企業における統計学入門
企業における統計学入門企業における統計学入門
企業における統計学入門
 
見やすいプレゼン資料の作り方 - リニューアル増量版
見やすいプレゼン資料の作り方 - リニューアル増量版見やすいプレゼン資料の作り方 - リニューアル増量版
見やすいプレゼン資料の作り方 - リニューアル増量版
 
データビジュアライゼーションはなぜ「コストが高い」と言われるのか
データビジュアライゼーションはなぜ「コストが高い」と言われるのかデータビジュアライゼーションはなぜ「コストが高い」と言われるのか
データビジュアライゼーションはなぜ「コストが高い」と言われるのか
 
データをわかりやすく可視化する「データビジュアライゼーション」勉強会
データをわかりやすく可視化する「データビジュアライゼーション」勉強会データをわかりやすく可視化する「データビジュアライゼーション」勉強会
データをわかりやすく可視化する「データビジュアライゼーション」勉強会
 
Python for R Users
Python for R UsersPython for R Users
Python for R Users
 
細かすぎて伝わらないD3 ver.4の話
細かすぎて伝わらないD3 ver.4の話細かすぎて伝わらないD3 ver.4の話
細かすぎて伝わらないD3 ver.4の話
 
【プレゼン】見やすいプレゼン資料の作り方【初心者用】
【プレゼン】見やすいプレゼン資料の作り方【初心者用】【プレゼン】見やすいプレゼン資料の作り方【初心者用】
【プレゼン】見やすいプレゼン資料の作り方【初心者用】
 
初心者のためのTableau0→1
初心者のためのTableau0→1初心者のためのTableau0→1
初心者のためのTableau0→1
 
可視化法学(Linked Open Data Challenge 2016)授賞式プレゼン
可視化法学(Linked Open Data Challenge 2016)授賞式プレゼン可視化法学(Linked Open Data Challenge 2016)授賞式プレゼン
可視化法学(Linked Open Data Challenge 2016)授賞式プレゼン
 

#詐欺グラフ