• Real world, data and open data
• Three types of data analysis
• Discussion and case study

开放数据是一种经过挑选与许可的数据，它不受著作权、专利权，以及其他管理机制所限制，可以开放给社会公众，任何人都可以自由出版使用，不论是要拿来出版或是做其他的运用都不加以限制。

• 资讯对称，沟通透明
• 群众外包，共同参与
• 练功打怪，自我实现
• 结合创新，提升效能

掌握现况

洞悉关联

预测未知

• 来源：卫福部中央健保署
• 作者：李昕迪 医师 (mcdlee)
• R包：ggmap + rCharts + shiny
• 参考: slide, shinypp, github repo

• 多样性指标会受到样本数所影响，样本数越大，能够观察到的种类数也越多，多样性就越大。为求公平，应控制在相同样本数下比较多样性。
• Shannon diversity: \(H(n) = \exp{\left ( \sum_{i=1}^{S}-p_i(n)\log{p_i(n)}\right )}\)
  

install.packages("iNEXT") # 安装 iNEXT package (Hsieh et al. , 2015) 
library(iNEXT)
tab <- read.csv("npo-type.csv", row.names = 1)
# iNEXT 主程式，计算位阶数q = 1的Shannon diversity 稀释/外插估计
out <- iNEXT(tab, q=1, endpoint=750, se=FALSE)
# 整合ggplot2绘图风格
ggiNEXT(out) + 
  theme_gray(base_family = "STHeiti")

• 来源：联合劝募基金会
• 作者：谢宗震 博士 (Johnson)
• R包：dplyr + ggplot + iNEXT
• 参考: shinypp, github repo

• 来源：纽奥良消防局
• 作者：Nolalytics (New Orleans Analytics)
• R包：reshape + plyr + dplyr+ ROCR + maps + maptools + sp + rgdal
• Reference: github repo, report

• 内政部实价登录资料 (2012年8月 ~ 2013年9月)
• 顶级豪宅：40 / 21530 件
• 重要因子：面积、车位、屋龄、行政区、楼层
• reshape + dplyr + mgcv

library(mgcv) #provides functions for generalized additive modelling
dat1 <- readRDS("data/dat1.rds")
# fit linear model
g1 <- lm(log10(總價)~面積+車位+屋齡+行政區+floor, data=dat1)
# fit addiive model with two smooth terms
g2 <- gam(log10(總價)~s(面積)+車位+s(屋齡)+行政區+floor, data=dat1)
# Compare adjusted R-squared, 越趨近1模型配適度越好
data.frame("linear model"=summary(g1)$adj.r.sq, "additive model"=summary(g2)$r.sq)

  linear.model additive.model
1    0.7324551      0.9352784

# set dataset, 帝寶格局
new <- dat1[1:6, c(2,3,4,6,7,12)]
rownames(new) <- 1:6
new$面積 <- c(160,160,210,210,260,260)
new$車位 <- rep("有車位",6); 
new$屋齡 <- rep(8, 6)
new$行政區 <- rep("大安區",6)
new$floor <- rep(c("低樓層","高樓層"),3)
# prediction
tmp <- predict(g2, newdata=new, se.fit=TRUE)
pred <- 10^cbind(tmp$fit, tmp$fit-tmp$se.fit, tmp$fit+tmp$se.fit)
data.frame("建案坪數"=new$面積, "高低樓層"=new$floor, 
           "總價估計.萬元"=round(pred[,1]/10000),
           "單價估計.萬元"=round(pred[,1]/10000/new$面積))

• 来源：内政部实价登录资料 (2012年8月 ~ 2013年9月)
• 作者：谢宗震 博士
• R包：mgcv
• Reference: github repo

install.packages("CARE1") # 样本覆盖率估计法 (Chao et al. 2015)
library(CARE1)
npoList <- read.csv("data/npoList.csv", row.names=1)
record <- as.record(npoList)
estN.stat(record) 
# M=观察到的总类别, D=任两来源的平均类别, C=样本覆盖率
estN(record, method="LSC", se=TRUE)
# 四个来源共观察到 3528间 NPO，以样本覆盖率法推得 7507间 NPO估计值

0001 0010 0011 0100 0101 0110 0111 1000 1001 1010 1011 1100 1101 1110 1111 
  56  635   35  106    7   38   15 2149   33  256   47   63    6   54   28 

        M      D  Chat
[1,] 3528 2791.5 0.508

              est       se      cil      ciu
est.Nhat 7507.421 350.9596 6876.843 8256.736

• 来源：台湾公益资讯中心、善耕365、联合劝募、自律联盟
• 作者：DSP资料科学团队
• R包：rvest + CARE1 + shiny
• 参考: hackpad, hackathon

• 社区医疗群地图: https://github.com/mcdlee/communitymedcare
• NPO城乡多样性比: https://github.com/JohnsonHsieh/iNEXT
• 找出火灾风险热区: https://github.com/cno-opa/smoke-alarm-outreach
• 豪宅房价预测: https://github.com/JohnsonHsieh/study-area-statR
• NPO总数估计: https://dsp.hackpad.com/-NPO-WcWRyZSZFge