1. ロジスティック回帰の
考え方・使い方
TokyoR #33
2013/8/31
@horihorio

2. 自己紹介
1 / 392013/8/31
• Twitter ID: @horihorio
• お仕事： 分析コンサルタント
• 興味： 統計色々/DB/R/Finance/金融業/会計
• 過去の発表： ここ
• 最近の出来事
• 金融業以外の分析にも進出
• だが何故か証券アナリストを取った
• 優秀な人のマネジメントっぽい事を
• 息子が1歳になった
ロジスティック回帰の考え方・使い方

3. 今回の想定ケース
2 / 392013/8/31 ロジスティック回帰の考え方・使い方
• 旅行代理店勤務
マーケティング部所属3年目
• 「Rによるやさしい統計学」で
Rの操作、線形回帰に慣れた
• 上司（超文系）に
「いつもツアーの案内DM送っているけど、
もっと上手い送り方って考えてくれない？」
と言われた。どうしよう…

4. 紹介すること
3 / 392013/8/31 ロジスティック回帰の考え方・使い方
データ: customers
でロジスティック回帰
glm(hit ~ sex + age + income + (略)
, data = customers
, family = binomial (link = "logit") )
をする前に考えること の一部です。
hit sex age income …
0 Female 32 520 …
1 Male 24 340 …
0 Male 39 580 …
…
…
…
…

5. 紹介しないこと
4 / 392013/8/31 ロジスティック回帰の考え方・使い方
1. Rの色々な操作
2. 数学、統計学の理論
！ 別の本や資料を見て下さい ！

6. モノの作り方
5 / 392013/8/31 ロジスティック回帰の考え方・使い方
自動車の作り方
を何回も、行きつ戻りつ、繰り返す。
出典：門外漢の妄想
1. 設計する
2. 車を作る
3. 機器で検査
4. テストコースで検査

7. 6 / 392013/8/31 ロジスティック回帰の考え方・使い方
自動車の作り方 モデルの作り方
を何回も、行きつ戻りつ、繰り返す。
1. 設計する
2. 車を作る
3. 機器で検査
4. テストコースで検査
1. 設計する
2. モデルを作る
3. 検証データで検査
4. 実ビジネスで検査
モノの作り方

8. アジェンダ
7 / 392013/8/31 ロジスティック回帰の考え方・使い方
1 ロジスティック回帰で良いの？
• その他の方法もない？
• 相手はどんな方ですか？
2 ロジスティック回帰の仕上がり図
• 仕上がりから逆算して考えてみると
3 結果の検証方法
• モデルをつくったら、きちんと検査を
4 データ加工方法の例
• 回帰モデルは加工が大変デス…
その一旦を紹介します
作り方1.
モデル設計
作り方1.
モデル設計
作り方2.
モデル作成
作り方3. 4.
モデル検証

9. 8 / 392013/8/31 ロジスティック回帰の考え方・使い方
１．ロジスティック回帰で良いの？

10. 欲しい結果：DMに反応する確率(0～1)
DMの発送って？
ご存知：線形回帰モデル
• 入力：性別、年齢、購買履歴、…
• 出力：購入額、とか
0～1でない
なんか違う…
9 / 392013/8/31 ロジスティック回帰の考え方・使い方

11. 欲しい結果：DMに反応する確率(0～1)
DMの発送って？
線形回帰モデル
• 入力：性別、年齢、購買履歴、…
• 出力：購入額
ロジスティック回帰モデル
• 入力：性別、年齢、購買履歴、…
• 出力： DMに反応する確率
⇒0.5以上（例えば）はDMに反応、と考える
0～1の値
10 / 392013/8/31 ロジスティック回帰の考え方・使い方
こっち

12. ○×とに分類したい ⇒ 識別モデル
ただ、識別モデルって他にもある
他にも方法はある
代表的なところ
• ロジスティック回帰
• 決定木
• ランダムフォレスト
• ニューラルネット
• SVM (Support Vector Machine)
などなど
11 / 392013/8/31 ロジスティック回帰の考え方・使い方

13. 判断基準は色々山ほど。万能な基準はない。
どのモデルを選べばいいの？
• 当たるか？
⇒高度な技術？は精度UP、分かりやすさはDOWN…
• いつも同じ結果が出るか？
⇒毎回違う結果が出るモデルも…
• データ加工の手間は？
⇒前処理が 相当必要～ほぼ不要 までイロイロ
• モデルが解釈出来る／し易いか？
⇒ブラックボックスなモデルもあり
• チューニングの余地があるか？
⇒「チューニング出来ないモデルが散々な結果」への恐怖…
12 / 392013/8/31 ロジスティック回帰の考え方・使い方

14. ビジネスならば：「説明する相手を考える」
提案する基準
※出典：私の独断と偏見
13 / 392013/8/31 ロジスティック回帰の考え方・使い方
モデル
技術が
ある
相手は…
技術が
ない
相手は…
結果の
要因
追求
分析
工数
ロジスティック回帰 正面勝負か 分かる気も 可能 大
決定木 恥ずかしくネw よく分かる♪ えw 小
ランダムフォレスト 忙しかった？
結果だけなら
よーく
分かった
難しい 小
ニューラル
ネットワーク
結果が欲し
かったのね
無理 小～中
SVM 好きですね… 難しい 中

15. 結果に至った理由が知りたい場合
私がロジスティック回帰を選ぶ場合
14 / 392013/8/31 ロジスティック回帰の考え方・使い方
モデル
技術が
ある
相手は…
技術が
ない
相手は…
結果の
要因
追求
分析
工数
ロジスティック回帰 正面勝負か 分かる気も 可能 大
決定木 恥ずかしくネw よく分かる♪ えw 小
ランダムフォレスト 忙しかった？
結果だけなら
よーく
分かった
難しい 小
ニューラル
ネットワーク
結果が欲し
かったのね
無理 小～中
SVM 好きですね… 難しい 中
ココに注目

16. 15 / 392013/8/31 ロジスティック回帰の考え方・使い方
２．ロジスティック回帰の仕上がり図

17. ※普段は、もう少し分かりやすく＆マトモに書きます…
最低限伝えるメッセージ
説明の例
16 / 392013/8/31 ロジスティック回帰の考え方・使い方
重要度 採用変数 有意確率 オッズ比
1 年収_百万 0.1％ 1.12
2 年齢_50代 0.5％ 0.82
3 性別_女性 1.2％ 1.32
…
…
…
…
- 切片 0.3％ -

18. 説明の例
※普段は、もう少し分かりやすく＆マトモに書きます…
17 / 392013/8/31 ロジスティック回帰の考え方・使い方
重要度 採用変数 有意確率 オッズ比
1 年収_百万 0.1％ 1.12
2 年齢_50代 0.5％ 0.82
3 性別_女性 1.2％ 1.32
…
…
…
…
- 切片 0.3％ -
有意確率の
小さい順
係数が本来はゼロ
（つまり意味なし）
である確率
（その他比で）
確率が…倍になる
最低限伝えるメッセージ

19. R出力との対応
18 / 392013/8/31 ロジスティック回帰の考え方・使い方
重要度 採用変数 有意確率 オッズ比
1 年収_百万 0.1％ 1.12
2 年齢_50代 0.5％ 0.82
3 性別_女性 1.2％ 1.32
…
…
…
…
- 切片 0.3％ -
結果のsummaryの抜粋
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -1.978 … … 0.003
sex_femail 0.278 … … 0.012
age_50th -0.198 … … 0.005
income 0.113 … … 0.001
…
exp(Estimate)
の値

20. 色々変数が採用されているけど、
上位にある程、重要なファクターです
ってのは、割合話がしやすい気が。
解説は他の資料を！
有意確率って？
19 / 392013/8/31 ロジスティック回帰の考え方・使い方
重要度 採用変数 有意確率 オッズ比
1 年収_百万 0.1％ 1.12
2 年齢_50代 0.5％ 0.82
3 性別_女性 1.2％ 1.32
…
…
…
…
- 切片 0.3％ -

21. だけど一応、軽く解説：
オッズ比 ⇒ 「他と比べて確率がｘ倍」 を表す指標
【右上図での解釈例】
• カテゴリー変数の場合
女性ならば（対男性比で）DM反応率が1.32倍増加
• 連続変数の場合
年収が100万円増えると、DM反応率が1.12倍増加
解説は他の資料を！
オッズ比って？
20 / 392013/8/31 ロジスティック回帰の考え方・使い方
重要度 採用変数 有意確率 オッズ比
1 年収_百万 0.1％ 1.12
2 年齢_50代 0.5％ 0.82
3 性別_女性 1.2％ 1.32
…
…
…
…
- 切片 0.3％ -

22. 普通にコマンド打つだけだと：
例えば100変数入れると、
効かない変数でも、何かの値が出る
その結果：
90代のDM反応率が53.2倍だぜ！
( ﾟДﾟ)ｳﾋｮｰ!!!
##### 有意確率が87.3％ですが… #####
などなど…な雑談で、会議が迷走＆紛糾の予感。
【少々脱線】
21 / 392013/8/31 ロジスティック回帰の考え方・使い方

23. なにしてるの？
1. 信用できる（有意確率が低い）変数を1つずつ追加
2. 追加するものが無くなったら、そこで打ち止め
※色々バリエーションはあるけど、省略
とすると、100変数のうち
信用出来る変数のみのモデルが完成
### で、会議の紛糾が回避出来る。
Rでの方法： step, stepAIC を調べて下さい。
なので ステップワイズ変数選択を推奨
【少々脱線】
22 / 392013/8/31 ロジスティック回帰の考え方・使い方

24. 23 / 392013/8/31 ロジスティック回帰の考え方・使い方
３．結果の検証方法

25. 24 / 392013/8/31 ロジスティック回帰の考え方・使い方
自動車の作り方 モデルの作り方
を何回も、行きつ戻りつ、繰り返す。
1. 設計する
2. 車を作る
3. 機器で検査
4. テストコースで検査
1. 設計する
2. モデルを作る
3. 検証データで検査
4. 実ビジネスで検査
モノの作り方 再掲
ココの話

26. 方法１．データを構築用・検証用に分割（数字は一例です）
モデル投入データで精度を出すのは（ある意味）簡単
大事なのは、投入以外のデータで検査すること
作り方の3. 検証データで検査
25 / 392013/8/31 ロジスティック回帰の考え方・使い方
構築データ：80％
検証データ：20％
精度
比較
時間

27. 方法２．あえて最新データを使わない
作り方の3. 検証データで検査
26 / 392013/8/31 ロジスティック回帰の考え方・使い方
時間
構築データ 検証
データ
精度比較

28. 方法３．クロス・バリデーション
※これも一例です
作り方の3. 検証データで検査
27 / 392013/8/31 ロジスティック回帰の考え方・使い方
No.1 #1 #2 #3 #4 #5 #6 #7 #8 #9 #10 ⇒ 精度1
No.2 #1 #2 #3 #4 #5 #6 #7 #8 #9 #10 ⇒ 精度2
No.3 #1 #2 #3 #4 #5 #6 #7 #8 #9 #10 ⇒ 精度3
…
…
…
No.10 #1 #2 #3 #4 #5 #6 #7 #8 #9 #10 ⇒ 精度10
構築データ 検証データ
構築データの
精度と比較

29. 作り方の3. 検証データで検査
28 / 392013/8/31 ロジスティック回帰の考え方・使い方
で問題： 精度検証ってなに？
杓子定規な基準はない。
教科書にありがち： CAP図、AR値
• 不適当
• 悪くないけどベストでない
な場合も多々。
統計知識、データ抽出・加工技術、業界・業務知識
等々の総合力勝負だったり。

30. 必要なもの例
1. 統計的知識
2. データ抽出・加工技術
3. 業界・業務知識
4. 各利害関係者との折衝能力
ビジネスの状況によりけり。おもいっきり難しい。
作り方の4. 実ビジネスで検査
29 / 392013/8/31 ロジスティック回帰の考え方・使い方

31. 30 / 392013/8/31 ロジスティック回帰の考え方・使い方
４．データ加工方法の例

32. 言いたいこと
31 / 392013/8/31 ロジスティック回帰の考え方・使い方
• 精度を出すコツは、データの前処理
• 回帰モデルは特にデータ加工が命
その一端を紹介します。
※詳細はノウハウの塊
ほぼ開示されない
私もゴニョゴニョ

33. 列「会員加入申込」は、
Web、郵送、電話、その他 のどれかがある
そのまま投入すると、面倒くさい話が発生。
1. カテゴリ変数の扱い
32 / 392013/8/31 ロジスティック回帰の考え方・使い方
採用変数 有意確率 オッズ比
会員加入申込. Web 0.3％ 1.47
会員加入申込. 郵送 2.4％ 0.69
会員加入申込. 電話 13.3％ 0.92
会員加入申込. その他 65.2％ 1.00
基準が選べない怪しいのが混入

34. • 会員加入申込_Web： Webならば１、非該当は0
• 会員加入申込_郵送： 郵送ならば１、非該当は0
• 会員加入申込_電話： 電話ならば１、非該当は0
• 会員加入申込_その他：その他ならば１、非該当は0
例えば、caretパッケージの dummyVars が便利
対応法：（１）各々の変数を作る
1. カテゴリ変数の扱い
33 / 392013/8/31 ロジスティック回帰の考え方・使い方

35. • 会員加入申込_Web： Webならば１、非該当は0
• 会員加入申込_郵送： 郵送ならば１、非該当は0
• 会員加入申込_電話： 電話ならば１、非該当は0
• 会員加入申込_その他：その他ならば１、非該当は0
何を基準にすれば良い？
⇒ 業務の理解、ヒヤリング力のお話な
対応法：（２）基準としたい変数以外でステップワイズ
1. カテゴリ変数の扱い
34 / 392013/8/31 ロジスティック回帰の考え方・使い方
郵送比でxx倍が
見たいので非投入

36. 非常に大変。無加工だとこうなる
2. 曲線傾向の扱い方
35 / 392013/8/31 ロジスティック回帰の考え方・使い方
年齢
DM反応率
モデル
推定結果
実際の
年齢別反応率
※実際は直線でないが…

37. どう切るのか？ どこを基準にするのか？
⇒ 業務の理解、ヒヤリング力のお話な
※注：これは初心者向け
対応な気が
• 20歳未満
• 20代
…
• 60代
• 70歳以上
推奨法：ビンニングをして、カテゴリ変数の扱いで
⇒ 各カテゴリはx倍、で曲線傾向を表現
2. 曲線傾向の扱い方
36 / 392013/8/31 ロジスティック回帰の考え方・使い方
これを基準に

38. • 外れ値の対応、処理
• 数値のスケール（例：金額は百万単位）
• 変換（例：対数、ルート、log）
• （30代等の）特定のカテゴリのみに効く変数の扱い
• オッズ比が1以上/以下 に納得感があるか
…まだまだ挙げればキリナイです
キッチリ回帰モデルをするのは大変
by ワタシの実感
その他の考慮事項
37 / 392013/8/31 ロジスティック回帰の考え方・使い方

39. 38 / 392013/8/31 ロジスティック回帰の考え方・使い方
まとめ

40. というか、言いたかったこと
39 / 392013/8/31 ロジスティック回帰の考え方・使い方
ビジネスの場合
• 分析して儲かる
• 相手が納得する
が大前提。
で
• 2度の翻訳の妥当性
• 「1から2」＆「AからB」の両方が妥当か
の両方を詰めるのは大変、だけど面白いです。
1. ビジネスの問題を
A) 数学の問題に翻訳し
B) 問題を数学的に解いて
2. 再度ビジネス世界に翻訳