時系列データならRのTSstudioパッケージでサクッと分析
ビジネス系データサイエンスの多くは、時系列データです。 RのTSstudioパッケージを使うと、サクッと時系列解析できます。「TSstudio」の「TS」はTime Series（時系列）の略です。 RのTSstudioパッケージには、時系列データを分析する上で嬉しい機能がてんこ盛りです。 今回は、「時系列データならRのTSstudioパッケージでサクッと分析」というお話しをします。 TSstudioとは？ RのTSstudioには、ざっくりした次のような機能があります。 時系列データの可視化 時系列データの分析 時系列の予測モデル構築 例えば、現在（2021年3月5日現在）は次のような時系列モデルを作ることができます。 ARIMAモデル（auto.arima含む） ETS（Error-Trend-Seasonality, Exponential smoothing state space
WebサービスのA/Bテスト代替手段としての観察データからの平均処置効果推定 - LIVESENSE Data Analytics Blog
こんにちは、リブセンスでデータサイエンティストをしている北原です。今回は平均処置効果の推定方法について紹介します。より具体的にはマッチングや重み付けといった共変量のバランシングを利用してバイアスの小さい推定をする方法を使い、複数得られた推定結果を絞り込んで意思決定に使える結論を得るまでの流れを扱います。サンプルデータを使って実際に推定を行い結果を解釈するところまで行います。コードはRです。完全にコンセンサスのとれた因果推論方法・手順はおそらく存在しないので、現時点でよいのではと考えている方法の紹介になります。 今回紹介する方法のポイントは、共変量のバランシングによってモデル依存性が低下することを利用して信頼できそうな推定結果を絞り込んでいるところにあります。手法やモデルによって様々な推定値が得られますが、バイアスの評価方法がないため採用すべきものがわからないという問題があります。しかし、共
備忘録：R版Kerasで自前のモデルをfine-tuningする方法 - 渋谷駅前で働くデータサイエンティストのブログ
この記事は、別にちょっとした理由があってR版Kerasで自前のDNNモデルをfine-tuningしたいと思ったので、調べて得られた知識をただまとめただけの備忘録です。既にやり方をご存知の方や、興味がないという方はお読みにならなくても大丈夫です。ただし「このやり方間違ってるぞ」「その理解は誤っている」的なご指摘は大歓迎どころか大募集中ですので、コメントなどでご一報ください。 Fine-tuningとは R版Kerasのドキュメントに書いてあること Rコードと実験結果 Fine-tuningとは 前々から雰囲気では理解していたんですが*1、雰囲気しか知らないが故に適切なまとめ方が分からないのでこちらのブログ記事から引用させていただくと、 ファインチューニングとは、学習済みモデルの一部もしくはすべての層の重みを微調整する手法です。転移学習では、学習済みモデルの重みを固定して用いますが、ファイン
Marketing Mix Modeling Explained – With R
Marketing mix modeling (MMM) is a process used to quantify the effects of different advertising mediums, i.e. media. It is also used to optimize the spend budget over these different mediums. The popular method of choice is multiple regression analysis. The model also takes into account other variables such as pricing, distribution points, and competitor tactics. This article will explain the math
Robyn
RobynRobyn is an experimental, AI/ML-powered and open sourced Marketing Mix Modeling (MMM) package from Meta Marketing Science. A New Generation of Marketing Mix ModelingOur mission is to democratise modeling knowledge, inspire the industry through innovation, reduce human bias in the modeling process & build a strong open source marketing science community. Automated hyperparameter optimization w
GitHub - facebookexperimental/Robyn: Robyn is an experimental, AI/ML-powered and open sourced Marketing Mix Modeling (MMM) package from Meta Marketing Science. Our mission is to democratise modeling knowledge, inspire the industry through innovation, redu
What is Robyn?: Robyn is an experimental, semi-automated and open-sourced Marketing Mix Modeling (MMM) package from Meta Marketing Science. It uses various machine learning techniques (Ridge regression, multi-objective evolutionary algorithm for hyperparameter optimization, time-series decomposition for trend & season, gradient-based optimization for budget allocation, clustering, etc.) to define
FacebookExperimentalのRobynによる自動マーケティングミックスモデリング
この記事では、FacebookExperimentalのRobynの最初の概要を説明します。Facebookのマーケティングサイエンスチームはすでに優れたクイックスタートガイドと非常に詳細なページを作成しているので、記事を短く簡潔に保つようにしています。詳細な説明のために、あなたはより多く見つけることができるここで情報を。 tl; dr Facebook ExperimentalのRobynは、自動化されたマーケティングミックスモデリング（MMM）コードであり、現在ベータ版です。 これは、特徴変換のための2つのアドストック（幾何学的およびワイブル）およびS曲線変換（収穫逓減）手法を提供します。 時系列機能を考慮に入れるために、RobynはFacebookProphetを利用します。 FacebookのNevergrad勾配のない最適化プラットフォームを利用して、一連のパレート最適モデルソリ
Ads carryover & shape effects付きのMedia Mix Modeling - 渋谷駅前で働くデータサイエンティストのブログ
これは単なる備忘録です。「論文とサンプルコード読みながら試しました」以外に何も内容のない記事ですのでご注意ください。特に個々の式の変数の説明については個人的な備忘録ゆえ大半を端折りますので、仮に興味を持たれた方は適宜論文の本文をご参照下さい。読んだ論文はこちら。 Bayesian Methods for Media Mix Modeling with Carryover and Shape Effects – Google Research なお、この記事を書くに当たってid:ushi-goroshiさんのこちらのブログ記事シリーズを参考にさせていただきました。分かりやすくて大変助かりました、有難うございます。 それでは適当にやっていきます。 Ads carryover & shape effectsについて いわゆるMedia Mix Modeling (MMM)の肝は「広告が投下される
RとPythonでカルマンフィルタ｜加藤芳樹 (Yoshiki Kato)
はじめに気象予報士なら一度は聞いたことがあるカルマンフィルタ。気象予報士試験にも出題されます。そう、あの気温ガイダンスに使われているやつです。 ではどんなものかというと、数値予報モデルの系統誤差を学習して補正する手法、というくらいの理解ではないかと思います。実際、データサイエンスを学ぶまで私もその程度の理解でした。 そこでこのnoteでは、実際に自分でカルマンフィルタを使って太陽光発電予測をやってみた時の体験と、どういうツールを使ったかコードも少し交えて書きたいと思います。 ※コードとデータの一部をGitHubに公開しています。 気象予測ではどういう問題設定にしているか？カルマンフィルタは、時系列データに適用する統計モデリングの一種である状態空間モデルにおいて、「状態」を推定するための計算方法です。状態空間モデルとカルマンフィルタの概要は馬場真哉さんのサイト『Logics of Blue』
tidymodelsによるtidyな機械学習（その1：データ分割と前処理から学習と性能評価まで） - Dropout
目次 目次 はじめに tidyな機械学習フロー 訓練データとテストデータの分割 特徴量エンジニアリング モデルの学習 モデルの精度評価 まとめ 参考文献 ※この記事をベースにした2019年12月7日に行われたJapan.R 2019での発表資料は以下になります。 tidymodelsによるtidyな機械学習 - Speaker Deck はじめに 本記事ではtidymodelsを用いたtidyな機械学習フローを紹介したいと思います。 tidyverseはデータハンドリングと可視化のためのメタパッケージでしたが、tidymodelsはtydyverseにフィットするやり方で統計モデリング/機械学習をするためのメタパッケージになります。 tidymodels配下のパッケージは量が多く使い所が限られているパッケージも多いため、一度に全ては紹介できません。 ですので、今回は典型的な 訓練データとテ
bnlearn - Bayesian network structure learning
Features bnlearn provides an open implementation of large parts of the literature on Bayesian networks: Classes of Bayesian networks: discrete (multinomial) Bayesian networks for discrete data, Gaussian Bayesian networks for continuous data and Conditional Gaussian networks for mixed data. Structure learning algorithms: constraint-based (PC Stable, Grow-Shrink, IAMB, Fast-IAMB, Inter-IAMB, IAMB-FD
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
The Graphical Lasso and its Financial Applications - Robot Wealth
MarketingMix/MMM2_overview.R at master · MatCyt/MarketingMix
GitHub - jarad/FluSight: An R package containing functions used in the CDC Flu Forecasting competition
RPubs - 効果検証入門 - 第３章 傾向スコアを用いた分析
SciCognos – Medium
https://www.u.tsukuba.ac.jp/~ushiro.yuji.gn/Research/2020/200622_Takaki_Hirai_Kamimura.pdf
RPubs - SEM,EFA,CFA,Path analysis
MMM研修 VI. 動学的市場反応モデル (1)
MMM研修 VII. 状態空間モデルの基礎