Lightweight MMM：NumPyroで実装されたベイジアンMMMフレームワーク - 渋谷駅前で働くデータサイエンティストのブログ
以前「Ads carryover & shape effects付きのMedia Mix Modeling」という記事で取り上げたベイジアンMMMのtechnical report (Jin et al., 2017)ですが、当時RStanで実装されていたものが4年の時を経て時代の趨勢に沿う形でPythonベースのOSSとしてリリースされています。 それがLightweight MMM (LMMM)です。ベイジアンモデリング部分はNumPyroによるMCMCサンプラーで実装されており、さらにはモダンなMMMフレームワークにおいて標準的とされる予算配分の最適化ルーチンも実装されています。全体的な使い勝手としては、まだ開発途上の部分もあるので時々痒いところに手が届かない感があるものの、概ねRStanで実装したものと似たような感じに仕上がっているという印象です。 ということで、LMMMがどんな感
確率的プログラミングPyro入門
はじめまして。eureka-BIチームの小林です。 普段は卓球とスプラトゥーンをやっています。 この記事は eureka Engineering Advent Calendar 2017 — Qiita の17日目の記事です。 16日目は サマーインターン参加者かつSREでインターン中のdatchこと原田くんの 「Pairsのテキストデータを学習させたword2vecを使って、コミュニティを分類してみた」です。 はじめにBIチームでは、様々な数字を分析することで、プロダクトの意思決定に貢献しています。 その中で、データからモデルを作成し、予測を立てるといった業務をすることがあります。 今までは、簡単な線形回帰でのモデル作成に留まりがちで、知識としてもMCMCで止まっていたので、 今後、確率的プログラミングを取り入れたモデリングをしていきたいと思い、最近発表されたばかりのPyroを触ってみま
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
処理を実行中です
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
Getting Started With Pyro: Tutorials, How-to Guides and Examples — Pyro Tutorials 1.9.1 documentation
