Heimbergerさんのツイートで得られたグラフ（右）の、日本版（左）を作ってみました。リーマン前のトレンドは2003q1から2007q4まで、コロナ前のトレンドは消費税増税の悪影響を除くため2015q1から2019q3まで、時点を説明変数にした回帰です。2012q1と2024q1まで延長。そもそも成長してないのに回復遅い pic.twitter.com/ygUjP4xmCk

長期金利が1%台に戻ったのは13年5月以来らしい。現時点Economistの巻末ページに記載されている国の中でこの水準は台湾とスイスのみ。理論上は金利差が為替の主要な説明変数なはず。植田さんには市場との対話を丁寧に続けつつも、踏み込んで欲しい pic.twitter.com/Wk0LFIGhzq

出願日：2022-11-10 出願人：株式会社日立製作所 名称：データ分析装置、データ分析システムおよびデータ分析方法 要約：【課題】2つのデータセットのそれぞれに固有に存在する変数間の関係性を分析する。 【解決手段】データ分析装置は、第1のデータ項目を説明変数.. 続き chizai-watch.com/p/2024069822 pic.twitter.com/bmJEFDUB6k

前回理論を学んだ主成分分析を、本日は臨床データで実践します。 今回ご紹介するのは、多変量解析の説明変数の1つとして主成分分析の主成分を投入する方法です。 サンプルサイズがあまり大きくない場合や、多重共線性を避けたい場合に用いられます。 pic.twitter.com/qHFkkKIzIP

まだ若干残ってる(説明変数の選択とか、等分散を仮定しない時とか)けど、判別分析、ほぼ終わり。 式の導出、横のテキストのどちらともやり方が違うというパワープレイ( けど、これが一番分かりやすい自信がある( 標準化さえ分かればいいから、QC3級の知識で行ける。 #QC検定 #QC1級 pic.twitter.com/eyNu1I60o9

夫婦出生力効果モデルの説明変数の編回帰係数（全体およびクラスターごとの比較） pic.twitter.com/tdIfolQpNm

結婚力効果モデルの説明変数の編回帰係数（全体およびクラスターごとの比較） pic.twitter.com/eoX0Xpd0PU

合計出生率モデルの説明変数の編回帰係数（全体およびクラスターごとの比較） pic.twitter.com/GYIdF6NpE4

(2)で不偏性いえないけどそういう理解を求めてんのかな。というか説明変数が2個で定数項なしのOLS推定量出すのだるすぎる pic.twitter.com/eqlDDMLKWl

昨日はライブQAやりました！ ===== ●多重補完は目的変数も説明変数も補完可能？ ●ロジスティック回帰での多重補完のデモ ●正規性をヒストグラムでどうやって確認するの？ ●2つの回帰直線の傾きはどうやって検定する？ ●交絡因子の考慮に相関係数使える？… pic.twitter.com/obxe97keFn

【正規化vs標準化】 混同しやすい正規化と標準化の違いをまとめたよ🤔 予測モデル構築の前に、scikit-learnのStandardScalerを使って標準化することが多いね！ 重回帰分析やクラスタリングなどは値の大きい説明変数があるとその変数に引っ張られてしまうので、注意だね👍 pic.twitter.com/QsVuPGVfAk

XGBoostでモデル作成しようと考えてコーディング途中にひらめいたんだけど、もしかしてねぇって、検証してみてる。いままでで違う視点でアプローチ出来ているのが面白い。 問題は２つあって、1つは説明変数に仕掛け価格入っているところ、こちらはパフォ下がっても、なんとかなるかなって思ってる。 pic.twitter.com/xNwO1kVN5y

偏回帰係数やそのp値はもちろん・・・ 調整化決定係数や分散分析も求まるし・・・ =STANDARDIZE(値, 平均値, 標準偏差)で、説明変数の標準化もできるから・・・ 正直、Excelで十分にデータ解析が可能なんだけど😂 pic.twitter.com/nH1lD5bjMW

昨日の午後に紹介した書籍「入門はじめての多変量解析」の重回帰分析の抜粋です😆 統計モデルではなく、機械学習モデル(scikit-learn)から、線形重回帰に入門した方にとっては、分かり易いと思います☺️ 説明変数の検定とかの解説もありますよ☺️ オススメですよ！ pic.twitter.com/W6suYz2Ke5

おはようございます SHAPを使って機械学習モデルの解釈にチャレンジ。 説明変数の影響度を可視化させたら、ファミコン時代のシューティングゲームのビーム砲みたいなのが出てきた😆 pic.twitter.com/ITtG9wcQ1X

#プログラミング #販売予測 #pandas 多彩なメソッドありで、 これはいい。 使わないと挙動がつかめないよね。 #scikitlearn ようやくフィッティングも試す 説明変数を簡単に増やせるし とても簡便だな。 他のモデルもやりたいが むしろ前処理に慣れがいる。 pic.twitter.com/NJI6QoyCtp

回帰分析の記法が悩ましい．特に，変数の数をpにするかdにするか，説明変数を{大文字,小文字}×{斜体,立体}×{太字,細字}のどれにするか．みんなバラバラすぎ． pic.twitter.com/YKWtHy3o2e