狠狠撸

狠狠撸Share a Scribd company logo
R で AHP

@soultoru 小林达
自己紹介

●
 会場隣のビルの SIer に勤務
●
 サーバ構築自動化と性能問題解
決が業務
    ●
        最近負荷テスト自動化ツール作ってます
今日は仕事とは関係ない話です
●
突然ですが
少し質問します。
問 1.
 次に引っ越すとしたら、
どの地域にしましょうか?
問2 .
数あるプログラミング言語か
ら、なぜ R を选びましたか?
問3 .
 明日は恋人とデートです。
どこで食事をしましょうか。
問4 .
  あなたは防衛相です。
次期主力戦闘機の機種選定を
    してください。
ここまで質問した問題は
何かを選択する問題でした。
何かを選択する意思決定問題は
ある種の構造を仮定できます。
その仮定のひとつが

AHP (階層分析法)

   です。
AHP で問題を構造化する
引越先
目标          地域選定


       通勤
評価基準         家賃    治安
       距離


代替案    新宿   池袋   品川 ???
プログラミング
目标           言語


       統計           コミュニティ
評価基準          熟練度    の活発さ
        lib


代替案    R   Python C++ ???
目标          恋人との食事



評価基準   雰囲気    価格     好み



代替案    和食   洋食   中華 ???
次期主力機
目标               選定


                               国内企業
評価基準    性能         経費           参画




代替案    F-35   EF-2000   F/A-18E/F   ???
AHP で問題を評価する
一対比较
               引越先
目标            地域選定


         通勤
評価基準           家賃    治安
         距離


 目标を達成するための評価基準の重みを決定する。
代替案      新宿 池袋 品川 ???
AHP では評価基準を組にして取り出して比較を行う。
一対比较
               引越先
 目标
  評価基準のもと代替案ごとのの重みを決定する。
              地域選定
ここでも代替案ごとに組にして取り出して比較を行う。


         通勤
評価基準           家賃    治安
         距離


代替案    新宿     池袋   品川 ???
一対比较
               引越先
 目标
  評価基準のもと代替案ごとのの重みを決定する。
              地域選定
ここでも代替案ごとに組にして取り出して比較を行う。


         通勤
評価基準           家賃    治安
         距離


代替案    新宿     池袋   品川 ???
一対比较
               引越先
 目标
  評価基準のもと代替案ごとのの重みを決定する。
              地域選定
ここでも代替案ごとに組にして取り出して比較を行う。


         通勤
評価基準           家賃    治安
         距離


代替案    新宿     池袋   品川 ???
一対比较
              引越先
目标           地域選定


        通勤
評価基準          家賃    治安
        距離


    この例の組では ( 通勤距離、家賃 ) 、
代替案     新宿 池袋 品川 ???
  (家賃、治安)、(治安、通勤距離)の3つ
通勤
             家賃      治安
     距離
通勤
     a 1,1   a 1,2   a 1,3
距離

家賃   a 2,1   a 2,2   a 2,3

治安   a 3,1   a 3,2   a 3,3
ここで一対比较行列の要素に
       以下の仮定を行う。
         wi           1 1 1 1
 ai , j=    a i , j =( , , , , 1,3,5,7,9)
         wj           9 7 5 3

このとき行列は次のようになる
通勤
                 家賃        治安
     距離
通勤
       1         a 1,2     a 1,3
距離

家賃   1/ a 1,2      1       a 2,3

治安   1/ a 1,3   1/ a 2,3    1
通勤
                 家賃        治安
     距離
通勤
       1         a 1,2     a 1,3
距離

家賃   1/ a 1,2      1       a 2,3

治安   1/ a 1,3   1/ a 2,3    1
AHP で重要度を求める
重要度
              引越先
目标           地域選定


        通勤
評価基準           家賃   治安
        距離


通勤距離、家賃、治安がそれぞれどの程度の重要度か
代替案    新宿 1 で求める 品川 ???
        総和   池袋
AHP で重要度を求める方法は
よく知られている方法として
     2 つあります。

      ●
       几何平均法
    ●
      固有ベクトル法

※ これらの方法がなぜ重要度に相応しいか
      は専門書に任せます
几何平均法
                            1
                n
   wi =( ∏ j=1 a i , j ) , i=1,. .. , n
                            n




  1        a 1,2    a 1,3
1/ a 1,2    1       a 2,3         かけ算して
                                1/n 乗するだけ
1/ a 1,3 1/ a 2,3    1
固有ベクトル法

 一対比较行列を A として
     Aw=λ max w

 を満たす最大固有値 λ max
の固有ベクトルwを重要度とする
   wは総和1に正規化する
固有ベクトル法の整合性
   下の一対比较行列が与えられたとする


          1     9    1/9
         1/9    1    9
          9    1/9   1
このとき代替案 1> 代替案 2 、代替案 2> 代替案 3
 代替案 3> 代替案 1 と三つどもえになっている
固有ベクトル法の整合性
一対比较行列の整合度を求める方法として以下が
       提案されている。

整合度C.I.=(λ max ?n)/(n?1)
                    C.I.>0.1 なら不整合


C.R.: ランダム一対比较行列を作成して整
合度の平均を求めたもの

整合比R.I.=C.I./C.R.   C.R. の基準ってなに
                    かあるのかなあ
R で AHP
群馬大青木先生が
公開したものがあります。
http://aoki2.si.gunma-u.ac.jp/R/AHP.html

   固有ベクトル法で分析できます。
例题
                 自動車の
目标                購入


                         乗り
評価基準   値段       燃費                車格
                         心地


代替案         A        B        C
パッケージの読み込み




source("http://aoki2.si.gunma-u.ac.jp/R/src/AHP.R", encoding="euc-jp")
評価基準の一対比较行列

                   乗り
       値段    燃費          車格
                   心地
 値段    1      3    5     9
 燃費    1/3   1     5     7
乗り心地   1/5   1/5    1    3
 車格    1/9   1/7   1/3   1
評価基準ベクトルの作成




 x <- c(1/3, 1/5, 1/7, 1/5, 1/7, 1/3)
評価基準の一対比较行列

値段において代替案を一対比较

     A       B     C
 A    1      2     3
 B   1/ 2    1     2
 C   1/3    1/ 2   1
評価基準の一対比较行列

燃費において代替案を一対比较

     A   B      C
 A   1   1/5   1/ 2
 B   5   1      7
 C   2   1/7    1
評価基準の一対比较行列

乗り心地において代替案を一対比较

      A      B   C
  A    1     3    2
  B   1/3    1   1/ 2
  C   1/ 2   2    1
評価基準の一対比较行列

車格において代替案を一対比较

     A    B     C
 A   1   1/ 2   1/ 2
 B   2    1      1
 C   2    1      1
R で取り込むにあたり

 評価基準 × 代替案

 の行列にまとめる
評価基準 × 代替案


                 乗り
    値段     燃費           車格
                 心地
A   1/ 2   5     1/3    2
B   1/3    2     1/ 2   2
C   1/ 2   1/7    2     1
評価基準 × 代替案の作成




y <- matrix(c(1/2,1/3,1/2, 5,2,1/7, 1/3,1/2,2, 2,2,1),
                        3, 4)
重要度と整合性の計算




a<-AHP(x, y, labels.x=c(" 値段 ", " 燃費 ", " 乗り心
    地 ", " 車格 "), labels.y=c("A", "B", "C"))
コード全体

source("http://aoki2.si.gunma-u.ac.jp/R/src/AHP.R",
encoding="euc-jp")

x <- c(1/3, 1/5, 1/7, 1/5, 1/7, 1/3)
y <- matrix(c(1/2,1/3,1/2, 5,2,1/7, 1/3,1/2,2, 2,2,1), 3, 4)
a<-AHP(x, y, labels.x=c(" 値段 ", " 燃費 ", " 乗り心地 "
   , " 車格 "), labels.y=c("A", "B", "C"))

print(a)
plot(a)
时间があったらデモします。
おさらい

●
  AHP の紹介
●
  R で AHP の重要度を計算する方法


●
  AHP はちょっとした意思決定から政策決定まで様々に使えます。
●
  複数人で利用して合意形成に使ったりも
参考文献
AHP 概要
●

    ●   http://ja.wikipedia.org/wiki/%E9%9A%8E
        %E5%B1%A4%E5%88%86%E6%9E%90%E6%B3%95
AHP パッケージ
●

    ●   http://aoki2.si.gunma-u.ac.jp/R/AHP.html
ちょっと細かい話
●

    ●   http://www.orsj.or.jp/~wiki/wiki/index.php/
事例
●

    ●
        企業?行政のための AHP 事例集 木下 栄蔵 , 大屋 隆生
    ●
        AHP 事例集―階層化意思決定法 刀根 薫 , 真鍋 龍太郎
固有ベクトル法の証明 ( 確か乗っていたはず )
●

    ●
        関谷和之 ( 林栄蔵編 ): "AHP の理論と実践 第 7 章 AHP と固有値問題 " 日
        科技連 . 20 (2000)

More Related Content

What's hot (20)

PDF
Chapter9 一歩進んだ文法(前半)
itoyan110
?
PDF
マーケティングサイエンス彻底入门と実践笔补谤迟2
宏喜 佐野
?
PDF
机械学习のためのベイズ最适化入门
hoxo_m
?
PDF
厂贰惭を用いた縦断データの解析 潜在曲线モデル
Masaru Tokuoka
?
PDF
tvmf-similarity
Kyushu University
?
PPTX
统计的因果推论から颁补耻蝉补濒惭尝まで走り抜けるスライド
fusha
?
PDF
クラシックな机械学习入门:付録:よく使う线形代数の公式
Hiroshi Nakagawa
?
PDF
最适化计算の概要まとめ
Yuichiro MInato
?
PDF
マーク付き点过程
Yoshiaki Sakakura
?
PDF
単純ベイズ法による異常検知 #ml-professional
Ai Makabi
?
PDF
明治大学講演資料「機械学習と自動ハイパーパラメタ最適化」 佐野正太郎
Preferred Networks
?
PPTX
项目反応理论による尺度运用
Yoshitake Takebayashi
?
PDF
観察データを用いた因果推论に共変量选択
Jaehyun Song
?
PDF
滨贵厂を使ったフラクタルの描画
Yu(u)ki IWABUCHI
?
PDF
[DL輪読会]Reward Augmented Maximum Likelihood for Neural Structured Prediction
Deep Learning JP
?
PDF
贰惭アルゴリズム
Sotetsu KOYAMADA(小山田創哲)
?
PDF
一般化线形混合モデル入门の入门
Yu Tamura
?
PDF
NIPS KANSAI Reading Group #7: 逆強化学習の行動解析への応用
Eiji Uchibe
?
PPTX
厂迟补苍と搁でベイズ统计モデリング読书会颁丑.9
考司 小杉
?
PDF
混合モデルと贰惭アルゴリズム(PRML第9章)
Takao Yamanaka
?
Chapter9 一歩進んだ文法(前半)
itoyan110
?
マーケティングサイエンス彻底入门と実践笔补谤迟2
宏喜 佐野
?
机械学习のためのベイズ最适化入门
hoxo_m
?
厂贰惭を用いた縦断データの解析 潜在曲线モデル
Masaru Tokuoka
?
tvmf-similarity
Kyushu University
?
统计的因果推论から颁补耻蝉补濒惭尝まで走り抜けるスライド
fusha
?
クラシックな机械学习入门:付録:よく使う线形代数の公式
Hiroshi Nakagawa
?
最适化计算の概要まとめ
Yuichiro MInato
?
マーク付き点过程
Yoshiaki Sakakura
?
単純ベイズ法による異常検知 #ml-professional
Ai Makabi
?
明治大学講演資料「機械学習と自動ハイパーパラメタ最適化」 佐野正太郎
Preferred Networks
?
项目反応理论による尺度运用
Yoshitake Takebayashi
?
観察データを用いた因果推论に共変量选択
Jaehyun Song
?
滨贵厂を使ったフラクタルの描画
Yu(u)ki IWABUCHI
?
[DL輪読会]Reward Augmented Maximum Likelihood for Neural Structured Prediction
Deep Learning JP
?
贰惭アルゴリズム
Sotetsu KOYAMADA(小山田創哲)
?
一般化线形混合モデル入门の入门
Yu Tamura
?
NIPS KANSAI Reading Group #7: 逆強化学習の行動解析への応用
Eiji Uchibe
?
厂迟补苍と搁でベイズ统计モデリング読书会颁丑.9
考司 小杉
?
混合モデルと贰惭アルゴリズム(PRML第9章)
Takao Yamanaka
?

Viewers also liked (20)

PDF
セイバーメトリクス
Mitsuo Shimohata
?
PPTX
Fluentd,mongo db,rでお手軽ログ解析環境
Michitaka Iida
?
PDF
Collaborativefilteringwith r
Teito Nakagawa
?
PDF
R3.0.0 is relased
Shintaro Fukushima
?
PDF
Tokyo.R 白熱教室「これからのRcppの話をしよう」
Nagi Teramo
?
PPTX
Tokyo r33 beginner
Takashi Minoda
?
PDF
搁でコンジョイント分析
osamu morimoto
?
PPTX
Tokyo r30 beginner
Takashi Minoda
?
PDF
外れ値
Shintaro Fukushima
?
PPTX
Tokyo r30 anova
Takashi Minoda
?
PDF
「辫濒测谤パッケージで君も前処理スタ☆」改め「辫濒测谤パッケージ彻底入门」
Nagi Teramo
?
PDF
Tokyo r12 - R言語による回帰分析入門
Yohei Sato
?
PDF
搁-3.0.0で骋尝惭
Kazuya Wada
?
PDF
一日学会层级分析法(础贬笔)与网路层级分析法(础狈笔)-许旭昇-2014版
Beckett Hsieh
?
PDF
推定と标本抽出
山津 貴之
?
PDF
Doradora09 lt tokyo_r33
Nobuaki Oshiro
?
PPTX
ニコニコ动画タグネットワーク
Teruki Shinohara
?
PDF
社会的决定と础贬笔
Yosuke Onoue
?
セイバーメトリクス
Mitsuo Shimohata
?
Fluentd,mongo db,rでお手軽ログ解析環境
Michitaka Iida
?
Collaborativefilteringwith r
Teito Nakagawa
?
R3.0.0 is relased
Shintaro Fukushima
?
Tokyo.R 白熱教室「これからのRcppの話をしよう」
Nagi Teramo
?
Tokyo r33 beginner
Takashi Minoda
?
搁でコンジョイント分析
osamu morimoto
?
Tokyo r30 beginner
Takashi Minoda
?
Tokyo r30 anova
Takashi Minoda
?
「辫濒测谤パッケージで君も前処理スタ☆」改め「辫濒测谤パッケージ彻底入门」
Nagi Teramo
?
Tokyo r12 - R言語による回帰分析入門
Yohei Sato
?
搁-3.0.0で骋尝惭
Kazuya Wada
?
一日学会层级分析法(础贬笔)与网路层级分析法(础狈笔)-许旭昇-2014版
Beckett Hsieh
?
推定と标本抽出
山津 貴之
?
Doradora09 lt tokyo_r33
Nobuaki Oshiro
?
ニコニコ动画タグネットワーク
Teruki Shinohara
?
社会的决定と础贬笔
Yosuke Onoue
?
Ad

Similar to 搁で础贬笔 (8)

PDF
ロジスティック回帰入门
y-uti
?
PDF
あなたの心に叠谤颈诲驳别厂补尘辫濒颈苍驳
daiki hojo
?
PDF
[DL輪読会]Non-Autoregressive Machine Translation with Latent Alignments
Deep Learning JP
?
PPTX
Risk based portfolio with large dynamic covariance matrices
Kei Nakagawa
?
PDF
最适输送入门
joisino
?
PPTX
[The Elements of Statistical Learning]Chapter8: Model Inferennce and Averaging
Yu Otsuka
?
PPTX
ラヒ?ットチャレンシ?レホ?ート 機械学習
HiroyukiTerada4
?
PDF
[DSO] Machine Learning Seminar Vol.2 Chapter 3
Teruyuki Sakaue
?
ロジスティック回帰入门
y-uti
?
あなたの心に叠谤颈诲驳别厂补尘辫濒颈苍驳
daiki hojo
?
[DL輪読会]Non-Autoregressive Machine Translation with Latent Alignments
Deep Learning JP
?
Risk based portfolio with large dynamic covariance matrices
Kei Nakagawa
?
最适输送入门
joisino
?
[The Elements of Statistical Learning]Chapter8: Model Inferennce and Averaging
Yu Otsuka
?
ラヒ?ットチャレンシ?レホ?ート 機械学習
HiroyukiTerada4
?
[DSO] Machine Learning Seminar Vol.2 Chapter 3
Teruyuki Sakaue
?
Ad

More from Tohru Kobayashi (6)

ODP
IBM Watson Visual Recognition を紹介するよ
Tohru Kobayashi
?
ODP
闯耻产补迟耻蝉使ってみた
Tohru Kobayashi
?
ODP
怠惰な私がプログラミングするときに重要だと考えているたった1つのこと
Tohru Kobayashi
?
PDF
○○でかんたんお部屋探し!
Tohru Kobayashi
?
PDF
20121205 jjbug
Tohru Kobayashi
?
PDF
搁を础奥厂で使おう
Tohru Kobayashi
?
IBM Watson Visual Recognition を紹介するよ
Tohru Kobayashi
?
闯耻产补迟耻蝉使ってみた
Tohru Kobayashi
?
怠惰な私がプログラミングするときに重要だと考えているたった1つのこと
Tohru Kobayashi
?
○○でかんたんお部屋探し!
Tohru Kobayashi
?
20121205 jjbug
Tohru Kobayashi
?
搁を础奥厂で使おう
Tohru Kobayashi
?

搁で础贬笔