More Related Content
What's hot (20)
Viewers also liked (9)
Similar to 搁て?阶层ヘ?イス?モテ?ル (10)
More from Yohei Sato (20)
搁て?阶层ヘ?イス?モテ?ル
- 1. 搁で阶层ベイズモデル @yokkuns 里 洋平 yohei0511@gmail.com 2013.01.26 第28回Tokyo.R 2013年1月26日土曜日
- 2. AGENDA ■ 自己紹介 ■ 阶层ベイズモデルとは ■ ユーザーの选択行动モデルでの例 ■ 2项ロジットモデル ■ 階層ベイズ2项ロジットモデル 2013年1月26日土曜日
- 3. AGENDA ■ 自己紹介 ■ 阶层ベイズモデルとは ■ ユーザーの选択行动モデルでの例 ■ 2项ロジットモデル ■ 階層ベイズ2项ロジットモデル 2013年1月26日土曜日
- 4. 自己紹介 ◆ 里 洋平（@yokkuns） ◆ 元Webエンジニアのデータサイエンティスト ?今は主にマーケティング周りを見てる ◆ 統計解析やデータマイニングをビジネスに適用 ?時系列解析とか異常検知とか最適化とか ?いろんなモデルの構築 2013年1月26日土曜日
- 5. 活動例: 勉強会の主催?執筆 Tokyo.R主催 パッケージ本執筆しました！ 2013年1月26日土曜日
- 6. 活動例: 動画レコメンド 閲覧されている動画の情報を用いておすすめ動画を表示する 2013年1月26日土曜日
- 7. 活動例: 市場予測 Web上の情報から市場予測 2013年1月26日土曜日
- 8. 活動例: 異常検知 Anomaly detection 複数時系列から異常な振る舞いを検知する C A 時系列のモデリング 複数時系列の異常検知 B 時系列A 時系列A 異常な振る舞い 時系列B 時系列C 時系列B 時系列C 異常な振る舞いの時系列を検出 例1:トラフィック異常検知 例2:CM効果のノイズ除去 トラフィックA ケースA CM効果 トラフィックB ケースB トラフィックC 調査 ケースC 異常な振る舞いをしている 異常な振る舞いをしているケースを トラフィックの原因を調査する 除外して、CMの効果を算出する 85 2013年1月26日土曜日
- 9. 活動例: 時系列解析と影響分析 TV Commercial E?ects 時系列的な振る舞いの特徴から各KPIへのCMの影響度を算出 イベン CM時系列 ト 新規 登録 CM ARPP U ARPU 各KPIの時系列 その他 外部 継続率 要因 ケース 87 2013年1月26日土曜日
- 10. 新たな勉强会 TokyoApache.Pig https://groups.google.com/group/tokyo_apache_pig 2013年1月26日土曜日
- 11. AGENDA ■ 自己紹介 ■ 阶层ベイズモデルとは ■ ユーザーの选択行动モデルでの例 ■ 2项ロジットモデル ■ 階層ベイズ2项ロジットモデル 2013年1月26日土曜日
- 12. 阶层ベイズモデルとは 統計モデルのパラメータに 階層構造を持たせてベイズ推定する高性能なモデル 2013年1月26日土曜日
- 13. 阶层ベイズモデルと他のモデルの比较 超パラメータを確率変数とする事で ノンパラメトリックと同等の頑健性 2013年1月26日土曜日
- 14. 搁で阶层ベイズモデルを実行するには bayesmパッケージの rhier***という関数群が階層ベイズモデルの関数 2013年1月26日土曜日
- 15. 階層ベイズモデルの例: シミュレーション用データ作成 真のCVRとclick数（10～20くらい）から乱数を使って サンプルデータを作成し、割り算で出したCVRと比較 2013年1月26日土曜日
- 16. 階層ベイズモデルの例: シミュレーション用データ作成 真のCVRとclick数（10～20くらい）から乱数を使って サンプルデータを作成し、割り算で出したCVRと比較 2013年1月26日土曜日
- 17. 階層ベイズモデルの例: シミュレーション用データ作成 真のCVRとclick数（10～20くらい）から乱数を使って サンプルデータを作成し、割り算で出したCVRと比較 2013年1月26日土曜日
- 18. 階層ベイズモデルの例: シミュレーション用データ作成 真のCVRとclick数（10～20くらい）から乱数を使って サンプルデータを作成し、割り算で出したCVRと比較 結構ずれる 2013年1月26日土曜日
- 19. 階層ベイズモデルの例: 推定結果 個人毎だとclick数がすくないためかなりブレる 2013年1月26日土曜日
- 20. 階層ベイズモデルの例: シミュレーション用データ作成 真のCVRとclick数（10～20くらい）から 乱数を使ってサンプルデータを作成する 2013年1月26日土曜日
- 21. 階層ベイズモデルの例: 階層ベイズ推定 baysemパッケージのrhierBinLogit用のデータを作成 2013年1月26日土曜日
- 22. 階層ベイズモデルの例: 階層ベイズ推定 rhierBinLogit関数を実行 2013年1月26日土曜日
- 23. 階層ベイズモデルの例: 推定結果 割り算推定よりはブレが小さそう 2013年1月26日土曜日
- 24. 階層ベイズモデルの例: 割り算推定と階層ベイズ推定の比較 割り算推定CVRよりも 真のCVRに近くなっている 2013年1月26日土曜日
- 25. 階層ベイズモデルの例: 割り算推定と階層ベイズ推定の比較 割り算推定CVRよりも 真のCVRに近くなっている 2013年1月26日土曜日
- 26. AGENDA ■ 自己紹介 ■ 阶层ベイズモデルとは ■ ユーザーの选択行动モデルでの例 ■ 2项ロジットモデル ■ 階層ベイズ2项ロジットモデル 2013年1月26日土曜日
- 27. 参考 Rで学ぶデータサイエンス マーケティング?モデル 2013年1月26日土曜日
- 28. ユーザーの选択行动モデル ユーザーは様々な選択行動をしている 2013年1月26日土曜日
- 29. ユーザーの选択行动モデル ユーザーは様々な選択行動をしている 2013年1月26日土曜日
- 30. ユーザーの选択行动モデル ユーザーは様々な選択行動をしている インストールする インストールしない 2013年1月26日土曜日
- 31. ユーザーの选択行动モデル ユーザーは様々な選択行動をしている インストールする インストールしない 2013年1月26日土曜日
- 32. ユーザーの选択行动モデル ユーザーは様々な選択行動をしている インストールする インストールしない 2013年1月26日土曜日
- 33. ユーザーの选択行动モデル ユーザーは様々な選択行動をしている アイテムAを買う インストールする アイテムBを買う インストールしない アイテムCを買う 2013年1月26日土曜日
- 34. ユーザーの选択行动モデル ユーザーは様々な選択行動をしている アイテムAを買う インストールする アイテムBを買う インストールしない アイテムCを買う 2013年1月26日土曜日
- 35. ユーザーの选択行动モデル 選択行動への影響を知る事で 効率的な施策を実行する事が出来る β1 広告 アイテムA β2 レコメンド Model アイテムB ? ? ? アイテムC その他 βn 2013年1月26日土曜日
- 36. 2项ロジットモデル アイテムを買う?買わないのような 二択の選択行動モデル β1 広告 β2 購入する レコメンド Model ? ? ? 購入しない その他 βn 2013年1月26日土曜日
- 37. 2项ロジットモデル ロジスティック曲線の回帰モデルで表現 各変数の回帰系数を市場反応パラメータとして解釈する β1 広告 購入する β2 レコメンド 購入確率 Model ? ? ? 購入しない その他 βn 2013年1月26日土曜日
- 38. Rによる実行: glm関数 一般化線形モデルの関数glmで familyでbinominalを指定 glm(formula, family, data, ...) 2013年1月26日土曜日
- 39. Rによる実行: データセット mlogitパッケージのKetchupデータセット ケチャップのブランド選択データ 個人ID 購入機会 選択結果 説明変数 2013年1月26日土曜日
- 40. Rによる実行: データセット ブランドをhuntsとstbの2種類だけに限定 huntsの選択を0、stbの選択を1に変換 2013年1月26日土曜日
- 41. Rによる実行: 実行結果 stbの購入確率は、huntsの値上がりの影響よりも stbの値引きの方が影響が大きい 2013年1月26日土曜日
- 42. AGENDA ■ 自己紹介 ■ ユーザーの选択行动モデル ■ 2项ロジットモデル ■ 階層ベイズロジットモデル 2013年1月26日土曜日
- 43. ユーザー毎にパラメータを知りたい 市場反応パラメータをユーザー毎に求めて ユーザーにあわせた施策を行えるようにしたい β1 広告 購入する β2 レコメンド 購入確率 Model ? ? ? 購入しない その他 βn 2013年1月26日土曜日
- 44. ユーザー毎にパラメータを知りたい 市場反応パラメータをユーザー毎に求めて ユーザーにあわせた施策を行えるようにしたい βh1 広告 購入する βh2 レコメンド 購入確率 Model ? ? ? 購入しない その他 βhn 2013年1月26日土曜日
- 45. 2项ロジットモデルの限界 ユーザーによる違いは考慮されていないため 個々で見ると非効率な部分もある 2013年1月26日土曜日
- 46. 2项ロジットモデルの限界 ユーザーによる違いは考慮されていないため 個々で見ると非効率な部分もある 2013年1月26日土曜日
- 47. 2项ロジットモデルの限界 ユーザーによる違いは考慮されていないため 個々で見ると非効率な部分もある 2013年1月26日土曜日
- 48. 2项ロジットモデルの限界 ユーザーによる違いは考慮されていないため 個々で見ると非効率な部分もある 2013年1月26日土曜日
- 49. 2项ロジットモデルの限界 ユーザーによる違いは考慮されていないため 個々で見ると非効率な部分もある 2013年1月26日土曜日
- 50. ユーザー毎のパラメータが知りたい 市場反応パラメータはユーザー毎に違うはず しかし、ユーザー毎に推定するほどのデータはない?? ？ ？ ？ ？ 2013年1月26日土曜日
- 51. ユーザー毎のパラメータが知りたい ユーザーは一人一人違うものの、共通な部分もある 共通部分を全ユーザーの情報を用いて推定する 個人毎に回帰するには データが少ないが??? 2013年1月26日土曜日
- 52. ユーザー毎のパラメータが知りたい ユーザーは一人一人違うものの、共通な部分もある 共通部分を全ユーザーの情報を用いて推定する 個人毎に回帰するには データが少ないが??? 2013年1月26日土曜日
- 53. ユーザー毎のパラメータが知りたい ユーザーは一人一人違うものの、共通な部分もある 共通部分を全ユーザーの情報を用いて推定する 個人毎に回帰するには データが少ないが??? 2013年1月26日土曜日
- 54. ユーザー毎のパラメータが知りたい ユーザーは一人一人違うものの、共通な部分もある 共通部分を全ユーザーの情報を用いて推定する 個人毎に回帰するには 大まかな傾向は全体で推定 データが少ないが??? 個人毎に微調整 2013年1月26日土曜日
- 56. 階層ベイズ2项ロジットモデルの構築 yh 2013年1月26日土曜日
- 57. 階層ベイズ2项ロジットモデルの構築 観測変数yhは個人パラメータβhを持つxhの関数 xh βh yh 2013年1月26日土曜日
- 58. 階層ベイズ2项ロジットモデルの構築 個人パラメータβhは 共通パラメータVB,Δを持つデモグラ変数zhの関数 zh xh VB βh yh Δ 2013年1月26日土曜日
- 59. 階層ベイズ2项ロジットモデルの構築 共通パラメータVB,Δも確率変数 多変量正規分布と逆ウィッシャート分布を事前分布とする zh xh 事前分布 V0 IW(v0,V0) VB v0 βh yh 事前分布 Σ0 Δ MVN(Δ0,Σ0) Δ0 2013年1月26日土曜日
- 60. 階層ベイズ2项ロジットモデルのベイズ推定 MCMC法を用いてパラメータを推定する MCMCについては@teramonagiさんの資料を確認 2013年1月26日土曜日
- 61. 階層ベイズ2项ロジットモデルのベイズ推定 βh,VB,Δについて適当に初期値を設定する zh xh 事前分布 V0 IW(v0,V0) VB v0 βh yh 事前分布 Σ0 Δ MVN(Δ0,Σ0) Δ0 2013年1月26日土曜日
- 62. 階層ベイズ2项ロジットモデルのベイズ推定 VB,Δを固定してβhの事後分布からサンプリング zh xh 事前分布 V0 IW(v0,V0) VB v0 βh yh 事前分布 Σ0 Δ MVN(Δ0,Σ0) Δ0 2013年1月26日土曜日
- 63. 階層ベイズ2项ロジットモデルのベイズ推定 サンプリングされたβhを目的変数とする 多変量回帰モデルからΔの事後分布を得る zh xh 事前分布 V0 IW(v0,V0) VB v0 βh yh 事前分布 Σ0 Δ MVN(Δ0,Σ0) Δ0 2013年1月26日土曜日
- 64. 階層ベイズ2项ロジットモデルのベイズ推定 Δとβhを固定してVBを発生させる zh xh 事前分布 V0 IW(v0,V0) VB v0 βh yh 事前分布 Σ0 Δ MVN(Δ0,Σ0) Δ0 2013年1月26日土曜日
- 65. 階層ベイズ2项ロジットモデルのベイズ推定 M回以降の繰り返しについて それぞれのパラメータを保存する zh xh 事前分布 V0 IW(v0,V0) VB v0 βh yh 事前分布 Σ0 Δ MVN(Δ0,Σ0) Δ0 2013年1月26日土曜日
- 66. 搁による実行例：データセット モデル評価のため、人工データを生成 2013年1月26日土曜日
- 67. Rによる実行例：階層ベイズ2项ロジットモデルの実行 rhierBinLogit関数を実行する 2013年1月26日土曜日
- 68. Rによる実行例：階層ベイズ2项ロジットモデルの実行結果 Δの推定結果 2013年1月26日土曜日
- 69. Rによる実行例：階層ベイズ2项ロジットモデルの実行結果 Δの分布 2013年1月26日土曜日
- 70. Rによる実行例：階層ベイズ2项ロジットモデルの実行結果 Δの分布 2013年1月26日土曜日
- 71. Rによる実行例：階層ベイズ2项ロジットモデルの実行結果 Δのサンプリング 2013年1月26日土曜日
- 72. Rによる実行例：階層ベイズ2项ロジットモデルの実行結果 βh1の推定値 2013年1月26日土曜日
- 73. Rによる実行例：階層ベイズ2项ロジットモデルの実行結果 βh2の推定値 2013年1月26日土曜日
- 74. Rによる実行例：階層ベイズ2项ロジットモデルの実行結果 βh3の推定値 2013年1月26日土曜日
- 75. Rによる実行例：階層ベイズ2项ロジットモデルの実行結果 βh4の推定値 2013年1月26日土曜日
- 76. Rによる実行例：階層ベイズ2项ロジットモデルの実行結果 βh5の推定値 2013年1月26日土曜日
- 77. Rによる実行例：階層ベイズ2项ロジットモデルの実行結果 βhの事後分布 2013年1月26日土曜日
- 78. AGENDA ■ 自己紹介 ■ 阶层ベイズモデルとは ■ ユーザーの选択行动モデルでの例 ■ 2项ロジットモデル ■ 階層ベイズ2项ロジットモデル 2013年1月26日土曜日