Rで階層ベイズモデル
Report
Yohei SatoFollow
Jan. 26, 2013•0 likes•26,358 views
78 likes
Be the first to like this
Show More
views
Total views
0
On Slideshare
0
From embeds
0
Number of embeds
0
Rで階層ベイズモデル
Jan. 26, 2013•0 likes•26,358 views
78 likes
Be the first to like this
Show More
views
Total views
0
On Slideshare
0
From embeds
0
Number of embeds
0
Report
Yohei SatoFollow
Rで階層ベイズモデル
- Rで階層ベイズモデル @yokkuns 里 洋平 yohei0511@gmail.com 2013.01.26 第28回Tokyo.R 2013年1月26日土曜日
- AGENDA ■ 自己紹介 ■ 階層ベイズモデルとは ■ ユーザーの選択行動モデルでの例 ■ 2項ロジットモデル ■ 階層ベイズ2項ロジットモデル 2013年1月26日土曜日
- AGENDA ■ 自己紹介 ■ 階層ベイズモデルとは ■ ユーザーの選択行動モデルでの例 ■ 2項ロジットモデル ■ 階層ベイズ2項ロジットモデル 2013年1月26日土曜日
- 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
- 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
- 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
- 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
- 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
- 活動例: 時系列解析と影響分析 TV Commercial Effects 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
- 新たな勉強会 TokyoApache.Pig https://groups.google.com/group/tokyo_apache_pig 2013年1月26日土曜日
- AGENDA ■ 自己紹介 ■ 階層ベイズモデルとは ■ ユーザーの選択行動モデルでの例 ■ 2項ロジットモデル ■ 階層ベイズ2項ロジットモデル 2013年1月26日土曜日
- 階層ベイズモデルとは 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
- 階層ベイズモデルと他のモデルの比較 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
- Rで階層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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- AGENDA ■ 自己紹介 ■ 階層ベイズモデルとは ■ ユーザーの選択行動モデルでの例 ■ 2項ロジットモデル ■ 階層ベイズ2項ロジットモデル 2013年1月26日土曜日
- 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
- ユーザーの選択行動モデル 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
- ユーザーの選択行動モデル 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
- ユーザーの選択行動モデル 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
- ユーザーの選択行動モデル 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
- ユーザーの選択行動モデル 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
- ユーザーの選択行動モデル 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
- ユーザーの選択行動モデル 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
- ユーザーの選択行動モデル 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
- 2項ロジットモデル 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
- 2項ロジットモデル 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
- 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
- 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
- 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
- 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
- AGENDA ■ 自己紹介 ■ ユーザーの選択行動モデル ■ 2項ロジットモデル ■ 階層ベイズロジットモデル 2013年1月26日土曜日
- 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
- 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
- 2項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
- 2項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
- 2項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
- 2項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
- 2項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
- 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
- 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
- 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
- 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
- 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
- 階層ベイズ2項ロジットモデルの構築 2013年1月26日土曜日
- 階層ベイズ2項ロジットモデルの構築 yh 2013年1月26日土曜日
- 階層ベイズ2項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
- 階層ベイズ2項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
- 階層ベイズ2項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
- 階層ベイズ2項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
- 階層ベイズ2項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
- 階層ベイズ2項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
- 階層ベイズ2項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
- 階層ベイズ2項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
- 階層ベイズ2項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
- R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
- Rによる実行例：階層ベイズ2項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
- Rによる実行例：階層ベイズ2項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
- Rによる実行例：階層ベイズ2項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
- Rによる実行例：階層ベイズ2項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
- Rによる実行例：階層ベイズ2項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
- Rによる実行例：階層ベイズ2項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
- Rによる実行例：階層ベイズ2項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
- Rによる実行例：階層ベイズ2項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
- Rによる実行例：階層ベイズ2項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
- Rによる実行例：階層ベイズ2項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
- Rによる実行例：階層ベイズ2項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
- AGENDA ■ 自己紹介 ■ 階層ベイズモデルとは ■ ユーザーの選択行動モデルでの例 ■ 2項ロジットモデル ■ 階層ベイズ2項ロジットモデル 2013年1月26日土曜日
- ご清聴ありがとうございました！ 2013年1月26日土曜日
- APENDIX 2013年1月26日土曜日