回帰分析って知ってる？―完全に理解した人へ贈る絶望の谷

本記事では偉そうに Level 分けをしていますが、順序に厳密な意味があるわけではなく、多角的な観点からの理解度を示しています。 記事の面白さやキャッチーさを優先してこのような形式をとっていることをご了承ください。 回帰分析への理解は、ダニングクルーガー効果の絶望の谷を味わい続けるのにもってこいです。さて、本記事を通じて一度「絶望の谷」に落ちて、そこから一緒に「啓発の坂」を登っていきましょう。 https://hrmos.co/trend/talent-management/5397/ より引用。 Level 0: 道具としての回帰 最初の段階は、回帰をブラックボックスのツールとして使う段階です。 この程度の実装はAIで書けるレベルを通り越してもはやボイラープレート[1]で、書けること自体に価値はありません。 回帰分析をこんな感じで捉えている人は多いでしょう： \text{年収} = \b

[iichann]

大学で単位だけ取った統計学ちゃんと通りたい

[circled]

回帰係数を信じる前に、まずハミルトニアンを疑え。おいでよ、物性物理。

[d0i]

冒頭しか読んでないけど、昔ﾁｮｯﾄﾜｶﾙ人に「KLダイバージェンスっていってわかりますか?」って聞かれて一同沈黙(どこまでわかってたらyesって答えられるんだろう)したのを思い出した。

[hesopenn]

インチキ臭い。中心極限定理、一致生の話が出てきていないのは怪しいし、固定効果で因果推論ってとこも意味がわかってない感じがする。

[sky-graph]

あれ!?ずいぶん話のレベルが高いな

[yu_kawa]

あーそーゆーことね完全に理解した

[nabinno]

回帰分析は線を引く技術ではなく、複雑な世界を仮定付きで単純化する技術。最小二乗は射影、p値は真理判定機ではない。相関は因果を保証せず、交絡や過学習を疑う姿勢まで含めて初めて分析。これが絶望の谷。

[shoh8]

レベルの適正がわからん。しかし読んでおいたら役立ちそう

[agrisearch]

農学で論文書ける程度に。

[chaoschk]

ざっと見た。とても分かりやすそうな解説。今、馬鹿の山の手前ぐらいの理解度。

[pwobie]

現場の戦士で「回帰分析」を使うのならこれくらいで十分。恐ろしいのは、ここに書かれている全てがあくまでも初歩の大学一年生レベル。戦士長として皆の仕事をチェックするならこれでは不足。もう統計わかんない。

[Caerleon0327]

統計学に興味があるけど、難しいのよね。独学だと難しすぎて、気持ちが切れて遠ざかって、時間が経ったら、わからなくなるからまた一から勉強し直しを繰り返している。

[kowa]

どこで絶望するんだろうか？F検定あたりで分散分析とかカテゴリ変数とかとの統合するとこ？それがどれもこれもなぜχ2分布になるのかというとこ？devianceも触れてないしなあ。予測モデルという視点ではもうAIに敵わない

[wxitizi]

たぶん主義が相容れなさそう

[manimoto]

昔、孫正義氏が「幹部は全員、回帰分析をマスターしろ！」と言った逸話を聞いたことがあるが、ソフトバンク幹部や孫氏はLevel 5まで理解できるのだろうか。

[misshiki]

回帰分析をLevel 0〜5で整理する長編解説。OLSの幾何学、ガウス＝マルコフ、正則化、因果推論、高次元Lasso、DMLまでを扱い、回帰を予測・推論・因果の道具群として捉える。

[byaa0001]

耳を塞いで後で見る

[FreeCatWork]

回帰分析？ボクには難しすぎて、絶望の谷で迷子になりそうにゃ〜！

[aosiro]

むかし習ったはず、、

[kagehiens]

スクロールバー動かなすぎじゃない？コレ……。

[dgen]

私は LV1。多項式回帰でリッジを実装したから LV1.5 くらい？　詳細がわからないところは手探りでリッジ回帰実装→https://gensproducts.com/blog/article/20240828.html

[yarumato]

“回帰分析をこんな理解の人は多い：年収=𝛽0+𝛽1⋅学歴+𝛽2⋅経験年数+𝜀年収=β0+β1 ⋅学歴+β2 ⋅経験年数+ε　回帰係数の符号と大きさを見て「学歴は効いてる」「経験年数も正に効いてる」と語る。限界は明らか”

[KUROBUCHI]

馬鹿の山を登る前に絶望の谷に落ちたんだが…

[yamadar]

Lv0 ですコンニチワ/ あかん、これ隙間時間に読めるやつじゃねーわ

[bebop-7]

大丈夫、こんなのはもうAIにまかす。俺らは決断をする

[rainbowviolin]

厳密ではなく地図、だとしても突っ込み処多数。log(x)をlog-logモデルと決め打ちし「xが1%変化したときyが何%変化するか」と言い切るのはあかん。level-log(linear-log)モデルも普通に使う。あと、OLSの適切性に正規性を混ぜすぎ。

[soulfulmiddleagedman]

AI 片手に、読んでみたいな。問題はいつか読もうは、いつまでも読まないわけだが orz

[yamamoto-h]

よし先ずは算数の復習からはじめるぞ

[yamazakicker]

ラムゼイのRESET検定なんてあるのか、便利そう　機械学習寄りだとLevel3よりLevel2のほうが難易度高そう

[ustar]

チョットワカラナイ