SlideShare a Scribd company logo
Chapter 1    Introduction ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
1.モデルとは何ぞや? ,[object Object],[object Object],[object Object],[object Object],Three examples of models. They have in common that they focus only on the object of interest, ignoring the irrelevant details. What is irrelevant depends on the aim of the model.
2.なぜモデルが必要か? 分析ツールとして ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
2. なぜモデルが必要か? 内挿・外挿手段 ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],Purely statistical interpolation introduces large errors if based on a too small data set (dashed line). Model-based interpolation (grey area) may be better suited in these cases.
Black-box methods may give high r 2  but they do not increase our understanding of the system. Mechanistic models, even if they perform less well in predicting, have the benefit of increased knowledge of system functioning.
2.なぜモデルが必要か? 実測不能なプロセスの定量評価 知りたいことー モデル ー実測可能なデータ At great water depths, sediment organisms feed on organic particles raining down from the upper water layers. The more food available, the more organisms survive and the higher the total biomass. But how can we measure the amount of food deposition? Using micro-electrodes, mounted on sophisticated landers, biogeochemists measure high-resolution profiles of oxygen concentration as a function of sediment depth. Fitting these oxygen profiles with a model estimates oxygen fluxes, from which organic matter deposition rates are calculated.
3.モデルの内容と作り方 予測、分析 OK? 検証・感度分析    解     パラメタ設定 数学モデル 概念モデル 目的  Main components Relationships General theory Literature Measurements Field data Lab measurements 動物プランクトン量 = 捕食量 - 排泄物-呼吸-被食量 簡略化 前提 ソース シンク
4.ツール ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],○ 簡潔なプログラムが書ける ○ 速やかに結果が導かれる ○ Flexible × ? Steep learning curve? × 低級言語より計算が遅い ○ 他言語とやり取りができる ○ 習得しやすい × アルゴリズムを書くのに  時間や労力がかかる

More Related Content

Similar to モデル勉強会100710kajiura改

How to use in R model-agnostic data explanation with DALEX & iml
How to use in R model-agnostic data explanation with DALEX & imlHow to use in R model-agnostic data explanation with DALEX & iml
How to use in R model-agnostic data explanation with DALEX & iml
Satoshi Kato
 
Beyond Accuracy: Behavioral Testing of NLP Models with CheckList
Beyond Accuracy: Behavioral Testing of NLP Models with CheckListBeyond Accuracy: Behavioral Testing of NLP Models with CheckList
Beyond Accuracy: Behavioral Testing of NLP Models with CheckList
Takato Hayashi
 
平成24年度社会知能情報学専攻修士論文中間発表会(予稿)
平成24年度社会知能情報学専攻修士論文中間発表会(予稿)平成24年度社会知能情報学専攻修士論文中間発表会(予稿)
平成24年度社会知能情報学専攻修士論文中間発表会(予稿)n-yuki
 
altmetrics - measuring research impact on the web
altmetrics - measuring research impact on the webaltmetrics - measuring research impact on the web
altmetrics - measuring research impact on the web
Keita Bando
 
MANABIYA Machine Learning Hands-On
MANABIYA Machine Learning Hands-OnMANABIYA Machine Learning Hands-On
MANABIYA Machine Learning Hands-On
陽平 山口
 
正確性・連続性に関する考察 openEHRにおけるProblemの扱いの調査を通して
正確性・連続性に関する考察 openEHRにおけるProblemの扱いの調査を通して正確性・連続性に関する考察 openEHRにおけるProblemの扱いの調査を通して
正確性・連続性に関する考察 openEHRにおけるProblemの扱いの調査を通して
Eizen Kimura
 
「予測にいかす統計モデリングの基本」勉強会 第一章
「予測にいかす統計モデリングの基本」勉強会 第一章「予測にいかす統計モデリングの基本」勉強会 第一章
「予測にいかす統計モデリングの基本」勉強会 第一章
Takahiro Yoshinaga
 
20170223 srws第八回 sof、grade、prospero登録
20170223 srws第八回 sof、grade、prospero登録20170223 srws第八回 sof、grade、prospero登録
20170223 srws第八回 sof、grade、prospero登録
SR WS
 
20170223 srws第八回 sof、grade、prospero登録
20170223 srws第八回 sof、grade、prospero登録20170223 srws第八回 sof、grade、prospero登録
20170223 srws第八回 sof、grade、prospero登録
SR WS
 
Active Learning from Imperfect Labelers @ NIPS読み会・関西
Active Learning from Imperfect Labelers @ NIPS読み会・関西Active Learning from Imperfect Labelers @ NIPS読み会・関西
Active Learning from Imperfect Labelers @ NIPS読み会・関西
Taku Tsuzuki
 
時系列解析の使い方 - TokyoWebMining #17
時系列解析の使い方 - TokyoWebMining #17時系列解析の使い方 - TokyoWebMining #17
時系列解析の使い方 - TokyoWebMining #17
horihorio
 
(2020.9) 機械学習による化学反応の予測と設計
(2020.9) 機械学習による化学反応の予測と設計(2020.9) 機械学習による化学反応の予測と設計
(2020.9) 機械学習による化学反応の予測と設計
Ichigaku Takigawa
 
MIRU2011 OS1-2 拡張ペアワイズ表現を用いた一般化多変量解析
MIRU2011 OS1-2 拡張ペアワイズ表現を用いた一般化多変量解析MIRU2011 OS1-2 拡張ペアワイズ表現を用いた一般化多変量解析
MIRU2011 OS1-2 拡張ペアワイズ表現を用いた一般化多変量解析
Akisato Kimura
 
2007 fose-research directions in requirements engineering
2007 fose-research directions in requirements engineering2007 fose-research directions in requirements engineering
2007 fose-research directions in requirements engineeringn-yuki
 
TensorFlowとは? ディープラーニング (深層学習) とは?
TensorFlowとは? ディープラーニング (深層学習) とは?TensorFlowとは? ディープラーニング (深層学習) とは?
TensorFlowとは? ディープラーニング (深層学習) とは?
KSK Analytics Inc.
 
ヒンシツ大学セミナー ゴール指向の測定と品質保証活動 -メトリクス解説およびGqm法のワークショップ-
ヒンシツ大学セミナー ゴール指向の測定と品質保証活動 -メトリクス解説およびGqm法のワークショップ-ヒンシツ大学セミナー ゴール指向の測定と品質保証活動 -メトリクス解説およびGqm法のワークショップ-
ヒンシツ大学セミナー ゴール指向の測定と品質保証活動 -メトリクス解説およびGqm法のワークショップ-
Hironori Washizaki
 
【論文調査】XAI技術の効能を ユーザ実験で評価する研究
【論文調査】XAI技術の効能を ユーザ実験で評価する研究【論文調査】XAI技術の効能を ユーザ実験で評価する研究
【論文調査】XAI技術の効能を ユーザ実験で評価する研究
Satoshi Hara
 
ソフトウェアテストの再検討
ソフトウェアテストの再検討 ソフトウェアテストの再検討
ソフトウェアテストの再検討
ikedkana
 
東北大学AIE - 機械学習中級編とAzure紹介
東北大学AIE - 機械学習中級編とAzure紹介東北大学AIE - 機械学習中級編とAzure紹介
東北大学AIE - 機械学習中級編とAzure紹介
Daiyu Hatakeyama
 

Similar to モデル勉強会100710kajiura改 (20)

How to use in R model-agnostic data explanation with DALEX & iml
How to use in R model-agnostic data explanation with DALEX & imlHow to use in R model-agnostic data explanation with DALEX & iml
How to use in R model-agnostic data explanation with DALEX & iml
 
Beyond Accuracy: Behavioral Testing of NLP Models with CheckList
Beyond Accuracy: Behavioral Testing of NLP Models with CheckListBeyond Accuracy: Behavioral Testing of NLP Models with CheckList
Beyond Accuracy: Behavioral Testing of NLP Models with CheckList
 
平成24年度社会知能情報学専攻修士論文中間発表会(予稿)
平成24年度社会知能情報学専攻修士論文中間発表会(予稿)平成24年度社会知能情報学専攻修士論文中間発表会(予稿)
平成24年度社会知能情報学専攻修士論文中間発表会(予稿)
 
altmetrics - measuring research impact on the web
altmetrics - measuring research impact on the webaltmetrics - measuring research impact on the web
altmetrics - measuring research impact on the web
 
MANABIYA Machine Learning Hands-On
MANABIYA Machine Learning Hands-OnMANABIYA Machine Learning Hands-On
MANABIYA Machine Learning Hands-On
 
正確性・連続性に関する考察 openEHRにおけるProblemの扱いの調査を通して
正確性・連続性に関する考察 openEHRにおけるProblemの扱いの調査を通して正確性・連続性に関する考察 openEHRにおけるProblemの扱いの調査を通して
正確性・連続性に関する考察 openEHRにおけるProblemの扱いの調査を通して
 
「予測にいかす統計モデリングの基本」勉強会 第一章
「予測にいかす統計モデリングの基本」勉強会 第一章「予測にいかす統計モデリングの基本」勉強会 第一章
「予測にいかす統計モデリングの基本」勉強会 第一章
 
20170223 srws第八回 sof、grade、prospero登録
20170223 srws第八回 sof、grade、prospero登録20170223 srws第八回 sof、grade、prospero登録
20170223 srws第八回 sof、grade、prospero登録
 
20170223 srws第八回 sof、grade、prospero登録
20170223 srws第八回 sof、grade、prospero登録20170223 srws第八回 sof、grade、prospero登録
20170223 srws第八回 sof、grade、prospero登録
 
Active Learning from Imperfect Labelers @ NIPS読み会・関西
Active Learning from Imperfect Labelers @ NIPS読み会・関西Active Learning from Imperfect Labelers @ NIPS読み会・関西
Active Learning from Imperfect Labelers @ NIPS読み会・関西
 
時系列解析の使い方 - TokyoWebMining #17
時系列解析の使い方 - TokyoWebMining #17時系列解析の使い方 - TokyoWebMining #17
時系列解析の使い方 - TokyoWebMining #17
 
(2020.9) 機械学習による化学反応の予測と設計
(2020.9) 機械学習による化学反応の予測と設計(2020.9) 機械学習による化学反応の予測と設計
(2020.9) 機械学習による化学反応の予測と設計
 
MIRU2011 OS1-2 拡張ペアワイズ表現を用いた一般化多変量解析
MIRU2011 OS1-2 拡張ペアワイズ表現を用いた一般化多変量解析MIRU2011 OS1-2 拡張ペアワイズ表現を用いた一般化多変量解析
MIRU2011 OS1-2 拡張ペアワイズ表現を用いた一般化多変量解析
 
2007 fose-research directions in requirements engineering
2007 fose-research directions in requirements engineering2007 fose-research directions in requirements engineering
2007 fose-research directions in requirements engineering
 
Protocol
ProtocolProtocol
Protocol
 
TensorFlowとは? ディープラーニング (深層学習) とは?
TensorFlowとは? ディープラーニング (深層学習) とは?TensorFlowとは? ディープラーニング (深層学習) とは?
TensorFlowとは? ディープラーニング (深層学習) とは?
 
ヒンシツ大学セミナー ゴール指向の測定と品質保証活動 -メトリクス解説およびGqm法のワークショップ-
ヒンシツ大学セミナー ゴール指向の測定と品質保証活動 -メトリクス解説およびGqm法のワークショップ-ヒンシツ大学セミナー ゴール指向の測定と品質保証活動 -メトリクス解説およびGqm法のワークショップ-
ヒンシツ大学セミナー ゴール指向の測定と品質保証活動 -メトリクス解説およびGqm法のワークショップ-
 
【論文調査】XAI技術の効能を ユーザ実験で評価する研究
【論文調査】XAI技術の効能を ユーザ実験で評価する研究【論文調査】XAI技術の効能を ユーザ実験で評価する研究
【論文調査】XAI技術の効能を ユーザ実験で評価する研究
 
ソフトウェアテストの再検討
ソフトウェアテストの再検討 ソフトウェアテストの再検討
ソフトウェアテストの再検討
 
東北大学AIE - 機械学習中級編とAzure紹介
東北大学AIE - 機械学習中級編とAzure紹介東北大学AIE - 機械学習中級編とAzure紹介
東北大学AIE - 機械学習中級編とAzure紹介
 

モデル勉強会100710kajiura改

  • 1.
  • 2.
  • 3.
  • 4.
  • 5. Black-box methods may give high r 2 but they do not increase our understanding of the system. Mechanistic models, even if they perform less well in predicting, have the benefit of increased knowledge of system functioning.
  • 6. 2.なぜモデルが必要か? 実測不能なプロセスの定量評価 知りたいことー モデル ー実測可能なデータ At great water depths, sediment organisms feed on organic particles raining down from the upper water layers. The more food available, the more organisms survive and the higher the total biomass. But how can we measure the amount of food deposition? Using micro-electrodes, mounted on sophisticated landers, biogeochemists measure high-resolution profiles of oxygen concentration as a function of sediment depth. Fitting these oxygen profiles with a model estimates oxygen fluxes, from which organic matter deposition rates are calculated.
  • 7. 3.モデルの内容と作り方 予測、分析 OK? 検証・感度分析    解     パラメタ設定 数学モデル 概念モデル 目的  Main components Relationships General theory Literature Measurements Field data Lab measurements 動物プランクトン量 = 捕食量 - 排泄物-呼吸-被食量 簡略化 前提 ソース シンク
  • 8.

Editor's Notes

  1. 特徴的で重要な要素は含めるが、現実世界で起きている全要素(プロセス)を含んでいるわけではない 例)目的:全球、全宇宙の現象を分子や初級物理学からボトムアップしなくてもよい   時間的スケール: 1 年間の富栄養価の度合いを知りたいときに、日単位でよく、秒単位とかでみなくていい   空間スケール
  2. 近い将来のデータと一貫するか、普遍性はあるか 仮定:簡略化の副産物
  3. Black box :図るもの モデル:理解するもの