「他人をホイホイと動かすこと」だけに長けている「暗黒面に堕ちたリーダー」にならないために為すべきこととは何か？ | 立教大学 経営学部 中原淳研究室 - 大人の学びを科学する | NAKAHARA-LAB.net
「他人をホイホイと動かすこと」だけに長けている「暗黒面に堕ちたリーダー」にならないために為すべきこととは何か？ 自分を「リード」できないひとが、他人や組織を「リード」することはできない ・ ・ ・ せんだっての大学院ゼミでは、Chrabot-Mason, Ruderman, Nishii(2018) Leadership in a diverse workplaceを、中原研OGの島田さん（現・武蔵野大学教授）が報告してくれました（感謝です！）。 この論文は、「The Oxford handbook leadership and organization」の中にある１章で、多様性のある職場を率いることの諸相」について書かれたレビュー論文です。 この論文で最も興味深かったのは、「多様性のある職場を率いること」を3つのレベルに分けて論じてあったことです。それが冒頭に申し上げた下記の3つです。
日本教育工学会 論文誌 Vol.40 No.4
Vol. 40，No. 4（2017） 291 1. は じ め に 近年，教育機関に限らず，各非営利組織をはじめ， 教 師 や 学 習 者 個 人 に よ る オ ー プ ン 教 材 （ Open Educational Resources; OER）の開発が進んでいる．そ の結果，多様な分野における様々な対象に向けた学習 リソースがインターネット上で共有されるようになっ た． 大規模公開オンライン講座（Massive Open Online Course; MOOC）は，OER を活用した学習形態のひと つである．MOOC の普及によって，誰もがインターネ ットを介して，世界最高レベルの授業を受講できるよ うになった（総務省 2013） ．MOOC における代表的な プラットフォーム（Udacity，Coursera，edX 等）は， 2012年に北米で開設された．edX 上に講座を公
２０２２年社会福祉士国家試験 出題されるであろう重点項目⑭『ソーシャルワークの実践モデルとアプローチ』 - 食べるをいかすライオン
こんにちは、あおさん（@aosan）です。 ２０２２年社会福祉士国家試験を受験する最後のあがきです。 出題されるであろう、単発の重点項目です。 今回は『ソーシャルワークの実践モデルとアプローチ』です。 （専門科目）『相談援助の理論と方法』からです。 この科目は、社会福祉士としてはキモなので、まず出ます。ほぼ出ます。 人名やら、複雑な名称がたくさん出てきますが…、 刷り込みます！ 実践モデル ① 治療モデル ② 生活モデル ③ ストレングスモデル アプローチ ① 診断主義アプローチ ② 心理社会的アプローチ ③ 機能主義アプローチ ④ 問題解決アプローチ ⑤ 課題中心アプローチ ⑥ 危機介入アプローチ ⑦ 行動変容アプローチ ⑧ エンパワメントアプローチ ⑨ ナラティブアプローチ ⑩ 解決志向アプローチ ⑪ 実存主義アプローチ ⑫ フェミニストアプローチ ポイントの整理 オススメ参考書はコチ
【水曜日はSTUDY DAY！📃】赤マル勉強！2周目8ー1 - 社会福祉士&医療事務(診療報酬実務能力試験)の資格の合格を目指そう！
どうも～。当ブログをご覧いただいてる、そこのあなた！毎度ご覧いただき、ありがとうございます。担当のSW-challengeで～す。 今日は水曜日ってことで1日赤マル勉強方法をご紹介します。👏 試験までのカウントダウン✨ 社会福祉士の試験まで172日 精神保健福祉士の試験まで171日 それまでは、いってみましょう。(^-^)/ 目次 1、第1問:2015年度💮相談援助の基盤問93📖 (1)問題について📕 (2)結果💯 (3)前回との比較！📃 (4)感想📱 2、第2問:相談援助の基盤問94📖 (1)問題について📕 (2)結果💯 (3)前回との比較！📃 (4)感想📱 3、第3問:相談援助の基盤問97📖 (1)問題について📕 (2)結果💯 (3)前回との比較！📃 (4)感想📱 4、第4問:相談援助の基盤問96📖 (1)問題について📕 (2)結果💯 (3)前回
今あらためて考える特徴量エンジニアリング ～予測精度をあと一歩改善するテクニック - アイマガジン｜i Magazine｜IS magazine
多くの企業でデータ分析やAIモデル開発が一般的になりつつある。昨今は、IBM AutoAIなどの自動AI製品やSaaSが多く登場しており、プロのデータサイエンティストではない市民データサイエンティストでも、AIモデル開発を容易にスタートできる時代になっている。 AIモデルのよし悪しが、予測精度や汎用性を大きく決定する。その重要な要素として、データから有用な特徴量を作成する技術「特徴量エンジニアリング」が挙げられる。 自動AI製品にはプロデータサイエンティストが培ってきた特徴量エンジニアリングの手法が組み込まれており、初心者でも扱える。 また一方で、Kaggle等のデータ分析コンペティションでは、有用な特徴量エンジニアリング手法が多くのユーザーからコミュニティの中で提案されている。 本稿では、初級～中級のデータサイエンティストを対象に、自動AI製品に組み込まれた手法やKaggleなどで提案さ
RとStanではじめる ベイズ統計モデリングによるデータ分析入門：サポートページ | Logics of Blue
『RとStanではじめる ベイズ統計モデリングによるデータ分析入門』のサポートページです。 この記事では、書籍の特徴などの紹介をしています。 本書に使用したサンプルデータとR,Stanのコードは、すべてGitHubから参照できます。 ソフトウェアのインストール方法や実行方法の補足事項なども記しています。 パッケージのバージョンが上がったことによる変更点などは『発行後の補足情報』を参照してください。 RとStanではじめる ベイズ統計モデリングによるデータ分析入門 2019年07月：初版第1刷発行 2019年10月：初版第2刷発行 2020年02月：初版第3刷発行 2020年04月：初版第4刷発行 2020年07月：初版第5刷発行 ・・・中略・・・ 2023年07月：初版第10刷発行 出版社の書籍紹介ページはこちらです。 (2020年7月14日追記)正誤表は出版社の書籍紹介ページにあります。
はじめに 線形モデルの一つに一般化加法モデルが存在します。 存在は知っていましたが、今まで気にとめることはありませんでした。 先日、KDD2019においてMicrosoftのチームが、医療データにおける分析についてのセッション(参考)を行ったそうです。 そこで、医療分野で予測モデルを作成した際には、予測精度と共に説明性が求められることが多く、その時に一般化加法モデルが有用だと紹介していたそうです。 また、一般化加法モデルに交互作用項を加えたGA$^2$Mを紹介していたそうです。 非常に気になりましたので、簡単にまとめてみたいと思います。
僕たちのKaggle挑戦記
僕たちのKaggle挑戦記 Kaggle初心者がKaggleに挑戦した過程や得られた知見などを記事化していく連載。執筆者と読者が初心者レベル同士だからこそできる意見効果／悩み共有／情報提供を行っていきます。 I-第1回 Kaggle初心者のためのコンペガイド ― Titanicの先へ（2021/08/30） 本連載の目的 初心者のためのコンペガイド ・構造化データ - 表形式データ ・非構造化データ - 画像／動画 - 音声 - テキスト／言語 - ゲーム／ロボット Kaggleを始めるのに役に立ったこと ・1. 「30 Days of ML」プログラム ・2. 英語は何とかなる ・3. 世界中の人はもっと気楽にコミュニケーションしている ・4. 世の中は良コンテンツであふれている ・5. Kaggle日記というアイデア I-第2回 「無料のKaggle公式講座×コンペ初参戦」で機械学習を
はじめに パッケージ シミュレーション1 データ モデル DALEXによる解釈 変数重要度 PDP シミュレーション2 データの作成 DALEXによる解釈 PDP ICE Plot Conditional PDP clusterd ICE Plot まとめ 参考文献 ※この記事をベースにした2020年1月25日に行われた第83回Japan.Rでの発表資料は以下になります。 speakerdeck.com ※この記事で紹介するSHAPを含んだ、機械学習の解釈手法に関する本を書きました！ 機械学習を解釈する技術〜予測力と説明力を両立する実践テクニック 作者:森下 光之助技術評論社Amazon はじめに 本記事では、tidymodelsを用いて機械学習モデルを作成し、それをDALEXを用いて解釈する方法をまとめています。 DALEXは Collection of tools for Visual
オンラインコミュニケーションにおけるビデオONとビデオOFFの影響を検証
オンラインコミュニケーションにおけるビデオONとビデオOFFの影響を検証 ― ビデオOFF会議は合意まで時間がかかり、意思決定の質も低下することが明らかに ― 一般社団法人オンラインコミュニケーション協会（東京都千代田区、代表理事：初谷 純）は 宍戸拓人（武蔵野大学 経営学部 経営学科 准教授）と共同で、 オンライン上のコミュニケーションにおけるビデオOFF（顔が映らない状態）が、 意見対立や、合意形成にかかる時間、および意思決定の質に影響を与えることを明らかにしました。 ■実験背景 新型コロナウイルス（COVID19）の影響により、ビジネスや教育現場等のさまざまなシーンにおいて、 オンライン上（Zoom、MicrosoftTeams、CiscoWebexなどを使った）のコミュニケーションが増えてきています。 しかしビジネス現場においては、プライバシー保護やセキュリティ、通信負荷
交代勤務のために睡眠時間帯が頻繁に変化することで発症する「交代勤務睡眠障害」は、睡眠障害をはじめとするさまざまな精神・身体機能障害を引き起こします。ミズーリ大学のプラビーン・エダラ氏らの研究により、交代勤務睡眠障害を発症している人は、そうでない人に比べて交通事故を起こす確率が3倍高くなることが分かりました。 Sleep disorders and risk of traffic crashes: A naturalistic driving study analysis - ScienceDirect https://www.sciencedirect.com/science/article/pii/S0925753521001405 エダラ氏は2006年から2015年にかけて作成された「第2回戦略的高速道路研究プログラム(SHRP 2)」のデータを通じて、アメリカの6つの州で記録された約
あなたは「心理的資本」をどのくらい持っていますか？：どんな逆境でも挑戦できる「スーパーポジティブ野郎」をいかに育成できるのか？ | 立教大学 経営学部 中原淳研究室 - 大人の学びを科学する | NAKAHARA-LAB.net
あなたは「心理的資本」をどのくらい持っていますか？：どんな逆境でも挑戦できる「スーパーポジティブ野郎」をいかに育成できるのか？ あなたの「人生の質」を決めるのは、たかが「こころ」、されど「こころ」!? あなたの「心理的資本」は高い方、それとも低い方？ ・ ・ ・ 経営学（ポジティブ心理学）には「心理的資本（Psychological Capital：略称 PsyCap）」という概念があります。 「心理的資本」とは、端的にいってしまえば、 「ひとが、いかに希望や目標をもちつつ、物事に挑戦し、出来事を意味づけ、逆境をはねのけてでも、前にすすむことができるか」という「ひとの心の状態」のこと をいいます。 「心理的資本」は「資本」といっているくらいですから、これが「原資」として機能して、そのうえに、さまざまひとびとの成功や幸福が築かれていきます。 より具体的には「心理的資本」を構成する成分は 1．
年収推定を順序回帰で定式化
出典:厚生労働省ホームページ https://www.mhlw.go.jp/toukei/saikin/hw/k-tyosa/k-tyosa09/2-2.html より、図8「所得金額階級別にみた世帯数の相対度数分布」 今回の論文では、これらの3点全てに対処するアプローチとして、問題を順序回帰として定式化 + 補間曲線を用いて連続値を回復というアプローチを提案しました。 順序回帰による定式化 以下では、レジュメ情報は\(X\)という形でスパースな\(D\)次元のベクトルにまとめられており、それらから\(K\)(今回は\(K=10\))クラスの年収区分値\(c\)を推定する、という問題を考えます。まずは問題を順序ロジット/順序プロビット回帰として定式化します。若干マイナーなテクニックなのでおさらいをしたいと思います。 冒頭で申し上げた通り、ビズリーチの年収データは「750万円~1000万円」
はじめに はじめまして。 tit_BTCQASH と申します。（https://twitter.com/tit_BTCQASH Numeraiというプロジェクトでわかりにくい点とその解説、予測結果のサブミットまでを一気通貫して紹介します。（https://numer.ai/tournament Numeraiは株価の予測結果をもとに運用するヘッジファンドの手伝いをするプロジェクトです。 私たちは自分でデータを用意する必要はなく、チームから与えられたデータを最適化し、その予測結果を提出することが求められます。 （日本ではblog_UKIさんの記事 機械学習による株価予測 はじめようNumerai https://qiita.com/blog_UKI/items/fb401725288e58c92bd6 が有名ですので、詳細はそちらをご一読ください。） さて、本記事ではNumeraiのホームペ
統計的因果推論の理論と実装 - 共立出版
本書は、統計的因果推論の理論（数理的メカニズム）と実装（Rによる数値解析）の両方を統一的にカバーしたものである。具体的には、ハーバード大学統計学科のDonald B. Rubinの提唱した潜在的結果変数の枠組みによる統計的因果推論を扱う。また、データの一部が観測されない場合の因果推論も扱っており、これは類書にはほとんどみられない本書の特徴である。 本書の数理的な理論解説は、できるだけ高校数学の範囲内で理解できるように工夫した。微積分や線形代数も、ほぼ登場しない。さらに、必要な数学的知識は、登場する箇所で解説を加えた。また、Rを使った数値計算により、数学が苦手な人にも統計的因果推論のメカニズムを理解してもらえるように工夫している。そして、数式とRコードとの対応関係をRの初心者も理解できるように、できるだけ1行ごとに完結するコードを書くよう心がけた。 さらに、Rを使って統計的因果推論の実証研究
＜「私たちは、1つのものしか視ることができない」。視覚機能の研究者が考える、好きという気持ちの脳の処理、そして「視る」についての話＞ 私は、ヒトの視覚機能に興味を持って研究をしている。視覚体験というのは直感的で、とてもわかりやすい。そのひとつ、Binocular rivalry（両眼視野闘争）は、私たちがふだん世界を見るために使っている2つの目、それぞれに別々のものを見せることで生じる。 例えば、左眼にA、右眼にはBの絵を見せる。このとき、AとBが混ざり合ったような絵が見えるのだろう、そう考える人が多い。しかし、これは正しくない。いくつかの例外はあるものの、基本的に二者は混ざり合わず、左眼に視えているそのままの姿のA、または右眼に視えているそのままの姿のB、そのいずれかが見える。しかもそれは、周期的に入れ替わる。 Aが見えていると思ったら、突然それがBへ変わり、少し間をおいて、それはまたA
Factorization MachinesによるBayesian Personalized Ranking - 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。今回と次回の２回にわたって暗黙的評価データを使ったコンテキスト対応レコメンデーションの紹介をしようと思います。具体的には、コンテキストを扱えるFactorization Machines(FM)をモデルとした、Bayesian Personalized Ranking(BPR)を紹介します。今回はアルゴリズムとモデル、次回は実装と実務での応用の話をします。 暗黙的評価データを使ったレコメンデーション まず暗黙的評価データとは何かについて説明し、暗黙的評価を使ったレコメンデーションの問題について説明します。 レビューの点数のようなユーザー回答に基づくものは明示的評価、クリックや購入のようなユーザーが直接評価したわけではなく行動から推測されたものは暗黙的評価と呼ばれます。明示的評価はユーザーが意識してつけた点数なので比較的信頼性
因果推論のための分析手法は様々ありますが、回帰モデルを使った主なアプローチのRでの実装方法とその推定結果の比較をします。 モチベーション的な部分は以下をご参照ください。 シミュレーションデータを使って、各手法がどのような（主にモデリングに関する）仮定に基づいているのか、それが結果の違いにどのように影響しているのかをみていきます。 なお、Rマークダウンで書いたものをコピペしただけなのであまり見た目は美しくないですが、予め ご了承ください。 そのうち書籍化予定ですので、そのときにはもっと見やすく＆詳しく説明します・・・ シナリオ 擬似データの概要: 重回帰分析 正しく設定されたモデル 調整なしモデル 調整あり&モデルの誤設定1 調整あり＆モデルの誤設定2 標準化(G-formula/G-computation) 正しく設定されたモデル モデルの誤設定 傾向スコア(PS) 層化 回帰モデルでの調
ESRI Research Note No.66 少子化対策と出生率に関する研究のサーベイ ―結婚支援や不妊治療など社会動向の変化と実証分析を中心とした研究の動向― 相川 哲也、酒田 元洋、古矢 一郎、角田 リサ 長沼 裕介、立石 憲彰、新藤 宏聡 May 2022 内閣府経済社会総合研究所 Economic and Social Research Institute Cabinet Office Tokyo, Japan ESRI Research Note は、すべて研究者個人の責任で執筆されており、内閣府経済社会総合研究所の見解 を示すものではありません（問い合わせ先：https://form.cao.go.jp/esri/opinion-0002.html） 。 ESRI リサーチ・ノート・シリーズは、内閣府経済社会総合研究所内の議論の一端を 公開するために取りまとめられた資料であ
時系列トランスフォーマーレビュー
3つの要点 ✔️ 近年発表され始めた時系列データ用Transformerの包括的レビュー ✔️ ネットワーク構造と、アプリケーション（予測、異状検知、分類）の両面から分類され、Transformerの強みや限界がレビューされています。 ✔️ 将来の展開として、事前学習、GNN、NASとの組み合わせについて解説されています。 Transformers in Time Series: A Survey written by Qingsong Wen, Tian Zhou, Chaoli Zhang, Weiqi Chen, Ziqing Ma, Junchi Yan, Liang Sun (Submitted on 15 Feb 2022 (v1), last revised 7 Mar 2022 (this version, v3)) Comments: Published on arxiv
Rによる社会調査データ分析の手引き
Rによる社会調査データ分析の手引き 麦山 亮太（学習院大学法学部政治学科）/ Ryota Mugiyama (Department of Political Studies, Gakushuin University) Last update: 2022-10-09 まえがき 本資料は麦山が担当する学習院大学法学部政治学科「社会学演習（社会的不平等に関する実証研究）」、同大学院政治学研究科「統計解析I」「公共秩序の数理モデル（社会調査データの計量分析）」の授業で使用する資料です。その他の授業でも活用することがあります。授業では適宜口頭で説明を補いながら使うことを想定しているため説明を簡単に済ませているところもありますが、どなたでも参照できるかと思います。分かりやすさを重視しているため、厳密性には欠けるところがあるかもしれません。 タイトルに示されているとおり、本資料の目的はとくに社会調査の
今回、そのDSEセンター傘下にある、LINEの機械学習を活用したサービス開発を担うMachine Learning1チーム（以下、ML1チーム）マネージャー菊地悠氏に、LINEが取り組む機械学習サービス開発について、オンラインインタビューを行いました。 前編では、ML1チームの開発体制や、チームのミッション、推薦システム「Smart Channel」の開発事例についてお届けします。 LINE全社のデータ戦略を担うDSEセンターとは ――今年3月に行われた組織再編と絡めて、LINEのDSEセンターや、その傘下にあるData Labs、ML1チームについて、組織体制や概要に関してお教えください。 DSEセンターは、2019年3月に発足しまして、データ活用系の組織である「Data Labs」、情報セキュリティや法務などとも連携し、データのガバナンスと活用を推進する「Data Manageme
この記事はNikkei Advent Calendar 2022の 16 日目の記事です。 情報サービスユニット（BtoBビジネスを展開する部署です）にてデータサイエンティストをしています西川・増田です。 この記事では、弊部署で展開を始めたベイジアンA/Bテストの利点と、その実験計画の一部について簡単に紹介します。 A/Bテストとは？ ここではA/Bテストについて概観しますが、自社のプロダクトにおいて施策の効果を測定したいという課題を抱えている方であれば既にご存知の方も多いと思いますので、適宜読み飛ばしてください。 A/Bテストとは、画面要素やテキストの文言などのUIやUXの変更によってどれくらいの効果が発生したかという測定を、なるべく偏りなく実行するための一連の実験のことを指します。ユーザを2群以上のグループにランダムに分け、一方の群にのみ実際の変更を適用し、他方には変更前の体験を続けて
因果推論と因果探索を学びたい初心者の方を対象に、因果分析のPythonプログラムを実際にGoogle Colaboratoryで実装しながら学ぶ書籍を執筆しました。 単著としては、「つくりながら学ぶ! PyTorchによる発展ディープラーニング」、以来、約1年ぶりの新刊となります。 本記事では、因果分析の書籍を執筆したモチベーション、Pythonによる因果推論、因果探索の概要について解説します。 「つくりながら学ぶ! Pythonによる因果分析 ~因果推論・因果探索の実践入門」 ●2020年6月30日発売 ●著者：小川雄太郎（自己紹介、Twitter）@電通国際情報サービス（ISID） ●出版社: マイナビ出版 本記事の内容 ● 0. 本書を執筆したモチベーション ● 1. 因果推論が必要な事例 ● 2. 因果推論をしたいデータ ● 3. 因果推論の方法 ● 4. 因果探索の手法 ● 5.
Ｐｂフリーはんだの金属学的基礎 目次
Ｐｂフリーはんだ付けの金属学的基礎 （Ｐｂフリーはんだ付け情報収集作業） ２０１４年１月末日 ＮＥＴ上の情報（文献等）をもとにＰｂフリーはんだについてやや金属学的に基礎的と思われる情報をまとめてみた。 目次 Ｐｂフリーはんだの金属学的基礎 〔Ⅰ〕 Ｓｎの基礎的特性 （１） Ｓｎの基礎的特性 （１－１） Ｓｎの基本的性質 （１－１－１） Ｓｎの同素体 （１－１－２） Ｓｎペスト （１－１－３） βＳｎの異方性 （１－１－４） すべり系 （１－１－５） 高速拡散 （１－２） Ｓｎの材料的特徴 （１－２－１） ホモロガス温度 （１－２－２） 表面張力、粘度、蒸気圧 補遺→蒸気圧、表面張力、粘度 （１－２－３） 溶融Ｓｎへの高融点金属の溶解 （１－２－４） 金属間化合物の形成 （１－２－５） 物理的性質 （１－２－６） 化学的性質 （１－２－７） 金属資源としてのＳｎ （２） Ｓｎ合金 →組織 写
MicrosoftがguidanceというLangChainのオルタナティブとなるかもしれないOSSを発表しました。 Readmeを参考に、内容を日本語でまとめていきます。 GuidanceとはGuidanceは、従来のプロンプトやCoTよりも、現代の言語モデルを効果的かつ効率的に制御することができます。Guidanceのプログラムを使うと、生成、プロンプト、論理制御を一つの連続した流れに組み込むことができます。 これは、言語モデルが実際にテキストを処理している方法に適合しています。Chain of Thought やその多くのバリエーション（例えば、ART、Auto-CoT など）のようなシンプルな出力構造は、LLM の性能向上に役立つことが示されています。GPT-4 のようなより高性能なLLMの登場により、さらに豊かな構造が可能となり、ガイダンスを使えばその構造をより簡単かつ安価に実現
機械学習やデータ分析には不可欠となる統計学。CodeZineを運営する翔泳社では、「どんな手法があったっけ」と必要な手法を知りたいときに役立つ『統計学大百科事典』を発売中です。本書では基本的な手法から発展的な手法までを一覧できますが、今回はその中から「ロジスティック回帰分析・プロビット回帰分析」「分散分析」「ギブスサンプリング」「共分散構造分析」を紹介します。 本記事は『統計学大百科事典 仕事で使う公式・定理・ルール113』から一部を抜粋したものです。掲載にあたり編集しています。 ロジスティック回帰分析・プロビット回帰分析 年収と持ち家の関係性を回帰分析する 年収と持ち家の関係を調べるアンケートを取りました。年収をx、持ち家の人をy=1、持ち家でない人をy=0としてデータを取ったところ、上左図のような散布図になりました。xとyで単回帰分析をすると、回帰直線では負の値や1以上の値が出てきてう
上記表の例で、これらを全ての組み合わせで試すと、 2*2*2 = 8回カレーを食べなければなりません。 ところが実験計画法を使うと、 4回食べるだけで、どの要素がどの程度美味しさに影響しているか分かります。 ※下グラフは結果の例です。 ※この例では、煮込み時間が一番効果が高く、小麦粉比率の影響は小さい事がわかります。 実験計画法の威力 回数が半分(8⇒4)になるだけでもそこそこ凄いのですが、 さらにパラメータが増えるほど、実験計画法の威力を発揮します。 パラメータが7個の場合、組み合わせが全部で128回 ⇒実験計画法なら、8回で済みます！ パラメータが15個の場合、組み合わせが全部で32768回 ⇒ 実験計画法なら、16回で済みます！！ ここまで効率化できるのはすごいと思いませんか？ どんな人に有効か 前述したように、日常生活、研究生活、社会人生活などなど応用範囲は広いはずです。 使うこと
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
藤井棋聖は、将棋では不利とされる後手番が非常に多いにも関わらず、高い勝率を残していることを前回の記事で書きました。 jmp-japan.hatenablog.com 今回の記事では、持ち時間と勝率の関係を調べてみます。 持ち時間と勝率の関係 将棋では、棋戦ごとに持ち時間が決められています。例えば棋聖獲得後に菅井八段に勝利した将棋日本シリーズ（予選）は持ち時間10分の早指し戦ですし、棋聖戦（本戦以降）は4時間、現在タイトル挑戦中である王位戦（タイトル戦）は2日制の合計8時間です。棋戦ごとに持ち時間が異なるので棋士は柔軟な対応を求められます。 最近の藤井棋聖の将棋は、中盤長考するケースが良く見られ、持ち時間をフルに使う将棋を指されています。一方、非公式の早指し戦で2回連続して優勝するといった早指しの能力にも定評があります。 以下は、藤井棋聖が2020年7月18日までに対戦した公式戦(218試合
回帰分析をする際に、説明変数や目的変数が正規分布をしていないことで悩んでいる人は多い。 悩むところはそこじゃない。 重回帰分析では、残差が正規分布している必要がある。 ＞＞もう統計で悩むのを終わりにしませんか？ ↑1万人以上の医療従事者が購読中 重回帰分析の前提は何か？ 重回帰分析の残差の正規性はどうやって確認するか？ 例1 例2 重回帰分析の残差の正規分布の確認はSPSSでどうやるか？ 重回帰分析の説明変数や目的変数は正規分布していなくてもよいか？ 重回帰分析の残差が正規分布していない場合はどうしたらよいか？ まとめ 動画解説 参考図書 重回帰分析の前提は何か？ 重回帰分析の前提は4つある。 独立性（データそれぞれが独立） 等分散性（説明変数にかかわらず分散が一定） 正規性（誤差自体が正規分布している） 線形性（説明変数と目的変数の関係は直線で近似できる） １．独立性、２．等分散性、３．
機械学習モデルは、統計モデルよりも予測に長けた手法であり、皆様もご存知の通り様々な場面で用いられています。一方で、結果の解釈の面ではブラックボックスになりやすいため、モデルの作成時のみならず、機械学習に覚えのない方々とコミュニュケーションをする上でも重要な課題です。 そんな、機械学習モデルと対話するためのツールがSAHP値(SHapley Additive exPlanation Values)です。SHAPを使うと、機械学習モデルが特徴量をどのように使って予測をしたのか、特徴量は予測結果にどれぐらい影響を与えているのか、などをデータ全体(Global)、さらに個別のサンプルごと(Individual)に確認することができます。今回はSHAPを使って、学習した機械学習モデルと対話してみましょう。 今回は主に以下を参考にしました。 github.com shap.readthedocs.io
世界中のさまざまな国で増加が報告されている若年性大腸がんの発症に、赤肉やアルコールの摂取量の多さなどが関係していることを示唆するデータが報告された。 米ニューヨーク大学のRichard Hayes氏らの研究によるもので、詳細は「JNCI Cancer Spectrum」に5月20日掲載された。 50歳に至る前に発症する大腸がんは「若年性大腸がん」と呼ばれ、近年増加が報告されており、米国予防医学専門委員会は最近、大腸内視鏡検査によるスクリーニングの推奨対象年齢を50歳から45歳に引き下げると発表した。 ただ、若年性大腸がんがなぜ増加しているのかは明らかになっていない。 Hayes氏らは、13件の研究からプールされたデータを解析して、若年性大腸がんの発症に関連する因子を検討した。 この検討対象には、若年性大腸がん発症者3,767人が含まれ、比較対照は年齢や性別などが一致する4,049人。 多変
レコメンドについてまとめる
推薦システムの難しさ 推薦システムの難しさはデータが非常に疎(Sparse)である点 映画を例にすれば映画は人によって見るものがバラバラであるため、人気の映画には評価が集まり、そうでない映画には情報が集まらない 明示的データと暗黙的データ 明示的データ(Explicit Data) ユーザに直接好き嫌いや関心のあるなしを質問して得られた答え 暗黙的データ(Implicit Data) ユーザが商品を購入したり閲覧したりといった行動により得られたデータ 暗黙的データのほうが集まりやすいが、誤ってクリックした場合なども集計されてしまうため正確性は低い。そのため、例えば映画であれば一定時間以上見たなどの条件を設けてフィルタリングするなどの前処理が重要になる。 また、暗黙的データは未評価と不支持の区別がつかないという問題もある。(見なかった=嫌いとすることはできない) 推薦システムのアルゴリズム
拙著へのツイートで、 https://twitter.com/TyePass/status/1446838357820985354 そういやこれ買って半分読んだけど面白い 「ジョブ型雇用社会とは何か: 正社員体制の矛盾と転機」 工学系には分からないところがちらほら。そこが新鮮で面白い。大学と職業訓練の在り方とか。それなりに大学で職業訓練を受けたと思うし高校理数系科目も仕事に直結している。 https://twitter.com/TyePass/status/1446841437228658696 工学系だとジョブローテーションは比較的少なくある程度ジョブ型ですし、新卒時に即戦力的に働ける人も少なくないと思っていましたが、そうではない世界（新卒一括採用で教育しなおすのが都合が良い社会）について書かれてあるので面白いと思います。あと単純に雇用について考えさせられます。 もちろん、初めにジョブあ
目的 2011年3月の東京電力福島第一原子力発電所の事故から9年経った現在でも，「放射線の影響が子どもや孫など次の世代に遺伝するのではないか」という「次世代影響不安」が根強く残っている。マスメディア報道やインターネットによる情報等が，この不安に影響していると考え，その関連を明らかにして，今後の施策に繋げることを目的とした。 方法 2016年8月に，20～79歳の福島県民2,000人を対象に，無記名自記式質問紙による郵送調査を実施した。福島県の会津地方，中通り地方，浜通り地方，避難地域から500人ずつ無作為抽出し，原発に近い沿岸部の浜通りと避難地域のデータを分析対象とした。目的変数は「次世代影響不安」で，その程度を4件法で尋ねた。説明変数は，放射線について信用する情報源と，利用するメディアを尋ねた。この他に属性，健康状態，放射線の知識等を尋ねた。2つの地域を合わせた全体データで，「次世代影響
« 読了：Reibstein & Farris (1995) 市場シェアと配荷の関係についてこれまでにわかっていること・いないこと | メイン | 読了: Ferrari & Barbiero (2012) 指定された周辺分布と相関行列を持つ多変量順序データを生成する方法 » 2019年10月15日 (火) Hardie, B.G.S., Fader, P.S., Wisniewski, M. (1998) An empirical comparison of new product trial forecasting models. Journal of Forecasting, 17, 219-229. 消費財の新製品トライアル売上を説明するモデルをいろいろ集め、実データにあてはめて比べてみました、という論文。 新製品売上予測モデルのバトルロイヤル企画としてはM Competition
はじめに 今回私は最近はやりのchatGPTに興味を持ち、深層学習について学んでみたいと思い立ちました！ 深層学習といえばPythonということなので、最終的にはPythonを使って深層学習ができるとこまでコツコツと学習していくことにしました。 ただ、勉強するだけではなく少しでもアウトプットをしようということで、備忘録として学習した内容をまとめていこうと思います。 この記事が少しでも誰かの糧になることを願っております！ ※投稿主の環境はWindowsなのでMacの方は多少違う部分が出てくると思いますが、ご了承ください。 最初の記事：Python初心者の備忘録 #01 前の記事：Python初心者の備忘録 #16 ~機械学習入門編02~ 次の記事：まだ 今回は非線形回帰や正則化項についてまとめております。 ■学習に使用している資料 Udemy：【前編】米国データサイエンティストがやさしく教え
「リモートマネジメント格差拡大理論」で「刻みネギ」が「長ネギ」になっちゃった件!? : 「できるマネジャー」と「できないマネジャー」に広がる「格差」 | 立教大学 経営学部 中原淳研究室 - 大人の学びを科学する | NAKAHARA-LAB.net
「リモートマネジメント格差拡大理論」で「刻みネギ」が「長ネギ」になっちゃった件!? : 「できるマネジャー」と「できないマネジャー」に広がる「格差」 研究者というものは、常に、仮説を「妄想」しています。 いや、少なくともわたしは（笑）。 「スーパーで、刻みねぎ、買ってきてね。白いのじゃなくて、緑のだからね」 とカミサンに何度も何度も言われても、仮説を妄想しているときには、何一つ頭に入っていません。 もうダメです。 考えているときには「廃人」。なんら、世の中に貢献はできません。 しまいには、 「ぶっとい長ネギ」を１本買ってきて、スーパーの袋から飛び出しちゃってるのを、どうしようか、玄関口で右往左往している始末です。 またやっちゃった。。。 ▼ せんだって、僕が思いついちゃった仮説が、「リモートワークでのマネジメント」は、下記の命題が成立するのではないか、というものです。 １．リモートワークに
概要 Factorization Machine (FM) の性質についての確認と, 最近の研究動向の調査についてのまとめです. 以下について言及しています - FMの特徴を従来の線形モデルなどと対比して説明 - 現在使用可能なFMの実装と, それぞれの長所短所を紹介 - 最新の研究動向についてもいくつかピックアップ FM の特徴 Rendle (2010)はサポートベクターマシン (SVM) などスパースなデータの学習に失敗する従来のアルゴリズムに対する代案としてFactorization Machine (FM, 分解器) を提案した. スパースなデータは, 例えばカテゴリカル変数, bag-of-word だったり, リコメンドシステムなどでよくありうる. 基本的なSVMは超分離平面で線形分離できるような分類タスクのみ良好なパフォーマンスを発揮し, 非常にスパースなデータではカーネル
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
予測性と説明性を両立した一般化加法モデルとGA2M - Qiita
tidymodelsとDALEXによるtidyで解釈可能な機械学習 - Dropout
交代勤務に伴う睡眠障害を発症したドライバーは事故を起こす可能性が3倍高くなる
【初心者向け】NumeraiのHPの見方＋サブミット＋便利リンク集 - Qiita
2人を同時に好きになることはできるか──漫画『イエスタデイをうたって』を視覚研究者が読む
モデルに基づく因果推論の各種手法をRで実装＆結果を比較してみた - Unboundedly
少子化対策と出生率に関する研究のサーベイ―結婚支援や不妊治療など社会動向の変化と実証分析を中心とした研究の動向―
前編 Machine Learningチームのミッション、推薦システム「Smart Channel」の開発事例 | gihyo.jp
ベイジアンA/Bテストの利点と実験計画策定に関する一検討 — HACK The Nikkei
Pythonによる因果推論と因果探索（初心者の方向け） - Qiita
Microsoftのguidanceの日本語まとめ｜にょす
統計学の主要な手法をさっと一望、ロジスティック回帰分析やギブスサンプリングを紹介
日常生活にも役立つ!?コスパ最強の実験計画法をPythonで半自動化 - Qiita
祝！藤井聡太新棋聖 持ち時間が長い方が強いってホント？ - 統計解析ソフト JMP ブログ
重回帰分析の残差は正規分布している必要がある―SPSSでの確認方法もあり - 統計ER
SHAPを使って機械学習モデルと対話する - 医療職からデータサイエンティストへ
増加する若年性大腸がんの関連因子が明らかに、ニューヨーク大学研究報告｜@DIME アットダイム
理科系は文科系よりもジョブ型？ - hamachanブログ(EU労働法政策雑記帳)
原発事故後の福島県浜通りと避難地域における放射線の「次世代影響不安」と情報源およびメディアとの関連
読書日記: 読了：Hardie, Fader & Wisniewski (1998) 消費財トライアル売上予測バトルロイヤル
Python初心者の備忘録 #17 ~機械学習入門編03~ - Qiita
Factorization Machine (FM) についての私的まとめ - Qiita