- すべて
- 画像・動画
並べ替え:新着順
結局、2時間以上も掛かってしまったけど・・・ なんとか、自作Webアプリに、因果推論のMeta-LearnerとDMLを追加実装完了😤💪 目的変数が2値分類の時でも対応できるように、拡張しておいたので、これで色んな実験が手軽にできるはず😎✌️ 明日は、「感度分析」も追加実装ですな🤔 #Python #因果推論 pic.twitter.com/e7l3pVE5F4
今日、約2年振りに、左の本に取り組み始めたのですが・・・ 当時では消化し切れなかった内容が、とてもスムーズに頭に入ってくる😆👍 右の本に取り組んだ後であれば、とても理解し易いと思います☺️ 内容的には、左の本の方が初心者向けですが、両方とも読むのがオススメです😆👍 #Python #因果推論
GWの後半4連休は、線形回帰の本に取り組む予定でしたが・・・・ (僕レベルでは、線形重回帰、クロス集計、ベイズで十分😅) 1. 左の本(2022年1月以来の2周目) 2. 右の本(4周目) 3. 自作Webアプリに、メタラーナーと感度分析を追加実装 4. そのWebアプリで因果推論の実験 に集中します😤💪
因果推論の本のこのページ・・・ 非常に興味深いと感じました🤔 仮に、ベイズ重回帰で、処置変数Zの結果変数Yへの効果(回帰係数)を求めるとしたら・・・ 僕だったら、変数Cも観測データ(尤度関数)に設定し、変数Zへ制約をかけるモデリングをしちゃうなぁ🤔 #Python #因果推論 #ベイズ pic.twitter.com/UUY7IAWUHW
GWも折り返し🎏! 残りの休みは学びの時間に使いたいという皆さん、 マーケティング施策の効果を正しく測定するための方法論、#因果推論 についてじっくり学んでみませんか?… pic.twitter.com/eto79Ilnj7
書籍「因果推論」1周目完了! 因果推論の多くの手法をPythonで体験できました 楽しかったです。ありがとうございます☺️ 腹落ちするにはまだまだ時間が必要 写経ブログで復習に取り組もうかな でもほぼ書籍のコピペになりそうで悩み中😅 #のんびり統計 #因果推論 #Python amazon.co.jp/dp/4274231232
書籍「因果推論」をぼちぼち進めてます! 8章の因果探索では因果構造を推定して「隣接行列」を出力します。 ということで、graphvizで隣接行列からグラフを描画して遊んでます😆 #のんびり統計 #因果推論 #Python pic.twitter.com/nOnVsCN8Iu
本日参加の勉強会はこちら💁♂️ 楽しみです! #因果推論
「因果推論をあきらめた全ての人へ」 ハーバード卒の医師でデータサイエンティストな人気講師がおくる、日本でイチバン優しい因果推論セミナーがここに。 全ての人に「因果推論、わかるかも💡」を届ける、そんな知的刺激に満ち溢れた3時間があなたを待ってる。 申込み👇 voyagers-of-k5.peatix.com
因果探索と因果推論の勉強を始めたけど、SEMとLiNGAMの関係すら理解できない…! LiNGAMで因果の向きを把握してからSEMで因果の強さを把握するような使い方ができるのかな? 誰か教えてくれーーー!! #因果推論 #因果探索 #構造方程式モデリング
今週土曜の因果推論セミナーに参加のため、今日から読み始めます📖 このスキルを身につけたら、様々な場面で応用できそうな気がしてます🤔 やるっきゃねぇ😎💪 #因果推論 #日本でイチバン優しい因果推論はじめの一歩 pic.twitter.com/Esvq7ld6fs
書籍「因果推論」4章でAutoMLツールPyCaretを利用します。 以前からMy環境のPyCaretは異常な動き(1枚目:モデル構築結果が空になる)をしていてBLUEでした... でもでも遂に暫定策を発見‼️😆 setupの引数に「n_jobs=1」を指定します。 (つまり並列処理は諦め…) #のんびり統計 #因果推論 #Python pic.twitter.com/LqJLqnXieB
書籍「因果推論」3章の合成コントロール法。 コード3.32のformulaで切片なしを指定するのは、対照群の重みだけを推定したいからでしょう(定数項に重みを分配したくない)。 causalpy公式のサンプルコードをお借りして、WeightedProportion単独で動かしました。 #のんびり統計 #因果推論 #Python pic.twitter.com/t2XvYTSE5d
書籍「因果推論」に戻りました! 3章をのんびり寄り道写経~ 差分の差分法と合成コントロール法で用いるcausalpyはベイズPyMC推論も可能です! causalpy公式サイトの合成コントロール法・PyMC版のサンプルコードをお試し実行。 20分ほど処理時間がかかりました。 #のんびり統計 #因果推論 #Python pic.twitter.com/arkKipEL3N
時系列データのPCMCIによる因果探索。 実験データが無かったので、株価データを使ってみたら、微妙だった😂 基本、ランダムウォークに近い感じだから、因果関係もくそもないのかな😅 Open → Low High → Low どういうことよ😅 僕の実務では使う機会は少なそうな探索かな😅 #Python #因果推論 pic.twitter.com/hy7DeP83ln
因果探索・・・ GraphDAG()では、各変数間の因果関係が把握し難いので・・・ 結果をノードとエッジで描画できるように、野良実装しましたぜ😆✌️ ちなみに、これは手元にあるマーケティング関連の実データの因果探索です。 これ、製品の故障要因分析(FTA)にも使えそうですね🤔 #Python #因果推論 pic.twitter.com/uPwuY9SjVv
因果推論の本・・・ MMM(Marketing Mix Modeling)・・・ めちゃくちゃ面白そうなTopicですけど、モデルがえぐい😂😂 PyMC5のexperimentalと同様・・・ 僕の低スペック脳みそでは、何をしているか、お客さんに説明できないので、実務に使うのは厳しいなぁ😅 無念😭 #Python #ベイズ #因果推論 pic.twitter.com/orsIHMWqke
PythonによるCausalImpactですが、実務で試してみたいと思い・・・ 実際のデータ3種類で実験してみました😆✌️ 全て、目的変数のみの時系列データです。 1. 周期性(&トレンド)が明確 2. 上記1を捉える時系列特徴量生成が可能 この時は、 予測に反実仮想精度が高いので成功😆👍 #Python #因果推論 pic.twitter.com/HydCH7xFLa
書籍「因果推論」3章をのんびり寄り道写経~ linearmodelsのIV2SLSをformula.apiと通常apiで試してみました。 statsmodelsのIV2SLSの結果(summary)の方が情報量が多いです(残差関連の指標など)。 #のんびり統計 #因果推論 #Python pic.twitter.com/4DafQ5C7w4
書籍「因果推論」3章をのんびり写経~ 3.7節の操作変数法に関して、statsmodels公式の閲覧目的で「IV2SLS」を検索したら、どえらいライブラリを発見😱 【URL】bashtage.github.io/linearmodels/ 「statsmodelに欠落しているいくつかの一般的な線形モデルの推定と推論」! #のんびり統計 #因果推論 #Python
書籍「因果推論」3章をのんびり写経~ 3.7節の操作変数法に関して、statsmodels公式の閲覧目的で「IV2SLS」を検索したら、どえらいライブラリを発見😱 【URL】bashtage.github.io/linearmodels/ 「statsmodelに欠落しているいくつかの一般的な線形モデルの推定と推論」! #のんびり統計 #因果推論 #Python pic.twitter.com/C0z4oo9MkG
RD Plot カッコイイから、Webアプリで表示させたかったのですが無理みたいなので・・・・ 回帰不連続デザインは、rdrobustではなく、rdd ライブラリに変更しました😭 真の介入効果 = 2.0に対して、 TREATED coef = 1.6051 なので・・・まぁ、良しとしますかね😢 #Python #因果推論 pic.twitter.com/DrqNimmoKq
む、無念😩 rdrobust==1.2.0 rddensity==2.4.1 oogleColabでは、問題ないけど・・・ streamlitでは、RD Plotと、因果効果結果を表示できなかった😭 rdrobustオブジェクトからの返り値を確認して、嫌な予感したけど、的中してしまった😩 Webアプリ化したかったのに。。。
書籍「因果推論」3章の寄り道写経 メカニズムを理解できていないのですが、ひとまず全プロットを可視化してみました。 1枚めは3.3節のIPWの評価結果、2枚めは3.4節のDR法の評価結果です。 作図内容が全く違うのはなぜ??? #のんびり統計 #因果推論 #Python pic.twitter.com/H3xwEk0ALa
書籍「因果推論」2章からPythonで寄り道写経! コード2.1で cm.identify() を実行して得られる prob を表示してみました。 これはもしかして書籍49ページの調整化公式!? #のんびり統計 #因果推論 #Python pic.twitter.com/5eNnQTejVZ
書籍「因果推論」2章からPythonで寄り道写経! コード2.1のDAGをnetworkxで簡便(雑?)に描画するコードにも寄り道しました。 CausalGraphオブジェクト の cg に対して observed_dag を行ったらノードやエッジの情報が取れました(偶然?) #のんびり統計 #因果推論 #Python pic.twitter.com/uFDTE1dBUg
書籍「因果推論」2章からPythonで寄り道写経! コード2.1実行後にgraphvizでグラフ描画しました。 ※書籍はnetworkxでグラフ描画 YLearn公式サイトでは、graphvizで描画できそうな表現がありつつ、graphvizのコードサンプルを見つけられず。 雑に寄り道しました。 #のんびり統計 #因果推論 #Python pic.twitter.com/bmkponJoAF
書籍「因果推論」2章からPythonを動かします! ⚠ライブラリのバージョンに要注意⚠ 例:コード2.1 バックドア基準を満たす変数を特定する「YLearn」の依存ライブラリ「networkxがバージョン3.0以上の場合エラー」になります。 書籍のバージョンは2.8.8です。 #のんびり統計 #因果推論 #Python pic.twitter.com/WkKhaGEElI
書籍「因果推論」を始めました! Chromeブラウザでサンプルコードをダウンロードする方法をまとめました。 Chromeさんが「危険なファイル」って言うのでビビりましたが、なんとかダウンロードできました。 参考にどうぞ! #のんびり統計 #因果推論 #Python pic.twitter.com/5A3WX538XT
因果推論の本で、興味があったので実験をしたら、モヤモヤする結果に😅 (実務を意識した)自作のデータを生成し・・・ 1. causallibライブラリーによるIPW 2. 自分で野良実装した傾向スコアマッチング なぜか、1はダメで、2はtreatmentの係数が正しく取得できた🤔 なぜ・・・😭 #Python #因果推論 pic.twitter.com/7nkq1HpKDQ
「#医学研究 のための #因果推論 レクチャー」が予約開始(4/8出版)されました! amazon.co.jp/dp/4260053752 読んでいただいた方が因果を考える・各手法の応用を検討する"きっかけ"になればという思いで執筆しました。本領域の良書が多く出版されている中、本書も選択肢の1つとして是非ご検討ください🙇♂️
トレンド9:05更新
- 1
アニメ・ゲーム
メェメェ
- メエメエ
- ペギタン
- シカでした
- ガルガル
- パジャ麻呂
- 2
ただの寝不足
- 自称ショートスリーパー
- 99.
- ショートスリーパー
- 3
漁火光柱
- 光柱
- 鳥取
- 4
アニメ・ゲーム
キラリンアニマル
- ニコガーデン
- メエメエ
- キラリン
- クソ羊
- わんだふる
- わんだふるぷりきゅあ
- わんだふるぷりきゅあ!
- こむぎ
- てへぺろ
- 5
ITビジネス
世論工作システム
- 中国企業
- 世論工作
- 中国当局
- Xアカウント
- 乗っ取り
- 読売新聞
- 6
エンタメ
天城雪彦
- 葵わかな
- 小泉孝太郎
- ブラックペアン シーズン2
- 内野聖陽
- 竹内涼真
- 日曜劇場
- ブラックペアン
- 二宮和也
- 天城
- 7
スポーツ
在日パレスチナ
- 渋谷で「民衆蜂起」
- 抗議デモ
- パレスチナ
- 8
アニメ・ゲーム
鬼滅の刃」柱稽古編
- 鬼滅の刃柱稽古編
- 柱稽古
- 鬼滅
- フジテレビ
- 1時間スペシャル
- 柱稽古編
- 鬼滅の刃
- 9
メエメエも
- 10
看護の日
- 海上保安
- 大久保佳代子
- ナイチンゲール
- 日本看護協会