『Customized Regression Model for Airbnb Dynamic Pricing』を読んでまとめた 【KDD2018】 - honawork
はじめに 2018年8月19日から23日にかけてロンドンで行われたKDD2018（データマイニングの世界的なカンファレンス）に採択されていた『Customized Regression Model for Airbnb Dynamic Pricing』なる論文を読みました。 Airbnbで実装されている価格推薦モデルについての論文で、 ビジネス・ユーザー視点を取り入れており、 「価格を下げれば予約されていた」と、「もっと価格を上げていてもよかった」というニーズ それをうまくモデル化していて、 上記を損失関数として定量化 さらにシンプルな構造で理解しやすい ①予約確率の予測→②最適価格の提案→③パーソナライズと、マクロ→ミクロに落ちていく構造 という点において優れたデータサイエンスの応用例であると感じたため、主要な論点を要約しつつ解説に取り組んでみようかと思います。 はじめに 論文の要旨 最
Not only LIME - SmarterPoland.pl
I’ve heard about a number of consulting companies, that decided to use simple linear model instead of a black box model with higher performance, because ,,client wants to understand factors that drive the prediction’’. And usually the discussion goes as following: ,,We have tried LIME for our black-box model, it is great, but it is not working in our case’’, ,,Have you tried other explainers?’’, ,
格付モデルの構築と検証
2009年6月 格付モデルの構築と検証 株式会社金融工学研究所 開発アドバイザリー部 取締役部長 森内一朗 副部長 木村和央 Copyright ©2009 Financial Technology Research Institute, All rights reserved. Confidential 2 Contents 1. 信用リスクマネジメントと格付 2. スコアリングモデルの分類 3. 統計モデル構築の流れと幾つかのモデルの紹介 4. 構造モデルによるデフォルトアラームの活用 5. 格付およびモデルの検証方法 「信用リスクの計量化手法と信用リスクマネジメントの基本的な枠 組み」の構成要素となる「格付」についてご説明。 ＊ 格付モデルの概要、特徴 － 統計モデル（デフォルトアプローチ） － 構造モデル（オプションアプローチ） ＊ モデル検証のポイント ＜ご注意＞ 本稿の内容およ
読書日記: 統計学者のみなさん、記法は統一してもらえないかしら (状態空間モデルの巻)
« 読了：Commandeur, Koopman, & Ooms (2011) 状態空間モデルのためのソフトウェア | メイン | Du & Kamakura (2012) メモ » 2014年10月 2日 (木) 仕事の都合で状態空間モデルのソフトを使っているのだけれど、参考書によってもソフトによっても、記法がバラバラで大変に混乱する。メモをつくったので載せておく。純粋に自分のための覚え書きであります。 話を簡単にするために、単変量のガウシアン状態空間モデルについてのみ考える。状態変数の数をmとする。 Commandeur & Koopman(2007): とりあえず参考書の例として。Section 8.1に基づく。 測定方程式: $y_t = z'_t \alpha_t + \epsilon_t,\ \ \epsilon_t \sim NID(0, \sigma^2_\epsilon)
統計的機械翻訳の最先端 渡辺太郎 情報通信研究機構 taro.watanabe @ nict.go.jp 注意 • いろんな言語が混ざっています。 • 基礎的な内容は も読んでください。 • このスライドの最新版 2 http://
統計的機械翻訳の最先端 渡辺太郎 情報通信研究機構 taro.watanabe @ nict.go.jp 注意 • いろんな言語が混ざっています。 • 基礎的な内容は も読んでください。 • このスライドの最新版 2 http://mastarpj.nict.go.jp/~t_watana (Koehn, 2009) 機械翻訳 • モデルを仮定、データからパラメータを学習 • 学習されたモデルでデコード • ルール翻訳、用例翻訳などの区別は無意味 data learner model decoder The United Inspection Department of Heishantou Port has shortened the procedures for leaving and entering the territory from originally 2 - 3 days
R言語による多変量時系列分析−Dynamic Conditional Correlation GARCH Model - hamadakoichi blog
R言語による多変量時系列分析。 複数グループ・複数項目の時系列データで時系列間の関係性・影響を明らかにする。 以下、実行可能なR言語ソースコードを用い紹介する。 例：複数時系列間の関係性・影響 農家ごとの農地の肥沃度・人の各仕事の労働量・各肥料の投入量の各時系列、および、生産量の時系列から、肥沃度・各労働量・各肥料量が生産量に与える影響を明らかにする。 国ごとの各政策種類への投資額の時系列、および、GDP から、各政策投資がGDPに与える影響を明らかにする 地域ごとの各キャンペーン種類の投入量の各時系列、および、商品売上の時系列から、各地域の各キャンペーンが売上に与える影響を明らかにする。等。 R言語による時系列分析入門 R言語でのAR、ARMA/ARIMA、ARFIMA、ARCH、などの時系列モデルの入門資料（※１年前のTokyo.R 講師資料) http://d.hatena.ne.j
倒産距離 – distance to default (DD) | isologue
今朝の日経新聞の経済教室欄「金融機関再編の効果測定指標『倒産距離』活用が有効」（原田喜美枝 中央大学准教授）に、興味を引かれました。 自己資本比率やCDS(クレジット・デフォルト・スワップ)で信用リスクについて考えるのは、いろいろ課題もあるとのことですが、 そうした欠点を補うものとして、近年、金融機関の健全性を表す指標として倒産距離の利用が進んでいる。 （中略） 企業の将来のある時点（通常は一年後）の資産価値（株式時価総額と負債の合計）は、過去の情報を基にボラティリティー（変動率）を計算することである範囲内に分布として描くことができる。一方、企業の短期負債が資産価値を上回って債務超過状態になると債務が履行できなくなる（これをデフォルト地点という）。 資産価値の分布を図示し、その分布の中心とデフォルト地点までの資産金額を資産変動の標準偏差で割ったものが倒産距離である。 資産価値として帳簿上の
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
ページが移転されました｜Page Moved : 日本銀行 Bank of Japan
DSE LECTURE 2010
The transmission channels between the financial and real sectors: a critical survey of the literature