Downloaded 15 times
馬に蹴られるモデリング
- 1.
- 2. 自己紹介 • 難波修史 @Nsushi •広島のバイキンマンです • 広島大学教育学研究科心理学専攻D2 • 専門：顔、感情、ド文系 • 興味：ラブライブ • 使用言語：Python (実験制御), R (統計)
- 3. 感情と表情 • 表情は内的状態をうつす鏡 ― 楽しい時に笑う ―悲しい時に唇を結ぶ (Namba et al., 2017 内的状態 (ここでは情動体験) は特定表情と関連する
- 4.
- 5. 方法 ― 参加者は情動喚起映像を複数視聴 ― 喚起された情動体験を報告（16種類 ―視聴中の表情を（表情筋ごとに）分析 ※画像はイメージです
- 6.
- 7.
- 8. 有効な手段 ：「ダメな統計学」参照 • 愛のムチ（正則化：Lasso回帰がメジャー） 二重指数分布の出番？ （BayesianLasso） 前回のカラオケマン 先生の資料 (7章後半) にも出てきたぞ！
- 9. 「Stanならもっといいムチがあるよ」 Andrew Gelman（統計のやべー先生 available athttp://andrewgelman.com/2015/02/17/bayesian- survival-analysis-horseshoe-priors/
- 10.
- 11.
- 12. 簡単な説明（イメージ • 回帰係数の事前分布に用いる。 • τ＝愛のムチ(0に近いほどShrinkage) • λ＝ムチとの距離をつくる 効果が弱いやつはしばく、強いやつは許す 変数選択モデリングに有利！！
- 13. ムチのハイパーパラメータ • Piironen &Vehtari (2016) ― LassoにせよShrinkage Prior (馬蹄事前分布 など) にせよ常に最良の設定はない。 ― 研究者の信念を含む事前分布でええやん。 説明変数の予想数 説明変数の総数 サンプルサイズ 誤差分散 (今回は2
- 14.
- 15.
- 16. 近年の表情表出を説明する理論 (Component process model,Scherer, 1997) びっくり！ 腹立つ！ 抑えろ！ Holy shit！ 内的状態と特定表情のオーバーラップ ＝おおむね2つだろう（諸説あり Emot. Rev. Scherer et al. (2013) 参照
- 17.
- 18.
- 19. 参考 • Bhadra, A.,Datta, J., Polson, N. G., & Willard, B. (2017). The horseshoe+ estimator of ultra- sparse signals. Bayesian Analysis. • Piironen, J., & Vehtari, A. (2015). Projection predictive variable selection using Stan+ R. arXiv preprint arXiv:1508.02502. • Piironen, J., & Vehtari, A. (2016). On the hyperprior choice for the global shrinkage parameter in the horseshoe prior. arXiv preprint arXiv:1610.05559.
- 20. おまけ • さっきの複雑なStanコードを使わなくても • rstanarmパッケージではデフォルトで回帰 係数に馬蹄事前分布(あと馬蹄事前分布＋ とかいうのもある) を引数として簡単に設 定できる。 ↓ Help ページ より引用
- 21.
- 22.