状態空間モデルを用いた因果効果の推定: CausalImpact - Qiita
東京大学・株式会社Nospareの菅澤です． 今回は状態空間モデルによる時系列予測手法を用いた因果効果の推定手法であるCausalImpactについて紹介します． CausalImpactとは CausalImpactはGoogleによって開発された因果効果推定の方法です．手法の詳細はBrodersen et al. (2015, AoAS)に記載されており，手法を実装したRパッケージも公開されています． CausalImpactは，ある介入が時間変化するアウトカムにどのような影響を与えるかを推定（推測）するための手法です．時間変化するアウトカム（時系列データ）に対して因果効果を推定する有名な方法としてDifference-in-Difference (DID)がありますが，DIDよりも緩い仮定のもとで時間変化する因果効果を推定できる方法として知られています． CausalImpactのコ
Nomi on Twitter: "LT資料大体できた。#分析コンペLT https://t.co/RT9NY5aaAD"
LT資料大体できた。#分析コンペLT https://t.co/RT9NY5aaAD
Shonosuke Sugasawa on Twitter: "空間データに対するrandom forestの論文がJASAに出てた。 https://t.co/IBH9jSWX9A"
空間データに対するrandom forestの論文がJASAに出てた。 https://t.co/IBH9jSWX9A
MKT on Twitter: "カルマンフィルタを勉強し始める前の自分に見せたい資料 https://t.co/yZgfvQsCwb"
カルマンフィルタを勉強し始める前の自分に見せたい資料 https://t.co/yZgfvQsCwb
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
https://twitter.com/Maxwell_110/status/1528254328615514112
™ on Twitter: "時系列評価の理想は独立な時系列そのものを n 個もってくることだけど，しばしば時系列予測って単一時系列しか与えられないので，仕方なく sliding-window train-test split をするという認識"
Nomi on Twitter: "音声が途中で途切れてしまいすみませんでした、本日の資料です #分析コンペLT https://t.co/GRLXBGp3Es"
Nomi on Twitter: "#分析コンペLT はconnpassの参加者向けページからYoutube配信にアクセスできるので、そちらからどうぞー https://t.co/QtLTq5sLRe"
mat on Twitter: "Kalman and Bayesian Filters in Python https://t.co/42frokO2pA"
mamas on Twitter: "outdoorもindoorに続いてカルマンフィルタ（正確にはカルマンスムーザ）ゲーになってるらしい。カルマンフィルタがkaggleの主流になる日も近いな（大嘘） https://t.co/VOK2WA5Q9i"
Stat.ML Papers on Twitter: "Simplified Kalman filter for online rating: one-fits-all approach. (arXiv:2104.14012v1 [https://t.co/zjV5HgYw5a]) https://t.co/iL5fAt5b9f"