ユースケース 例1:企業別の想定提示年収(平均値) 状況 グラフ データ 問題設定 例2:求人別の採用率(比率) 状況 グラフ データ 問題設定 例3:企業別の高評価特徴(回帰モデルの係数・切片) 状況 グラフ データ 問題設定 階層ベイズのイメージ 少しだけ確率分布の話 確率分布には特徴の異なる複数のものがある 確率分布にはその分布を確定させるパラメータがある 少しだけモデル作成の話 階層ベイズの基本的な考え方 例1:企業別の想定提示年収 例2:求人別の採用率 例3:企業別の高評価特徴 階層ベイズの使いどころ 利用用途 パラメータの安定化 全体傾向の正確な推定 使いどころの判断ポイント ポイント1:個体差が比較的大きい ポイント2:1個体あたりのデータ量が少ない(ことがある) ポイント3:個体差に他の既存データから推定し難い情報がある ポイント4:異常値を許容できない 実際の利用場面 求
![【非データサイエンティスト向け】階層ベイズのイメージと使いどころ - LIVESENSE ENGINEER BLOG](https://cdn-ak-scissors.b.st-hatena.com/image/square/373173af973bd6d530d90e273afa981850844ff3/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fy%2Fyjszk%2F20240105%2F20240105153308.png)