• きぬいと(@0_u0)
  • 特徴①: 報告する人間の中で一番TwitterIDが短い
  • 特徴②: 人間のデータが好物
  • 特徴③: 最近Juliaを始める
• リサーチ企業のアナリスト
  • 悩み: TB規模のデータで機械学習するためのアーキテクチャ構築
• 趣味
  • 簡単なことを難しく考える

• 2010年って何？
  • Rのバージョンは2.10.x〜2.11.xだった……
  • きぬいと: Twitter始めて半年の高校1年生(無価値情報)
  • まだ機械学習技術は人間に囲碁で勝てなかった
  • ジョ○ズも存命していた(Wikipedia情報)
• 10年でいろんなことを「決めて」きた
  • 進路
  • 卒論・修論のテーマ
  • 今日の夕飯

• 受験「そっか、じゃあ卒業したら、別々だね……」

• 就活「そっか、東京、いっちゃうんだ……」
  • 5年前そう言って友を見送る(院卒なので)
• 転職「そっか、この会社やめちゃうんだね……」
  • 結局まだ在籍している
• 結婚「結婚したのか……俺以外のやつと」
  • 最近友人の結婚ラッシュがヤバい。
• 夕食「オーストラリア産黒毛和牛ロースが699円！！」
  • 矛盾塊

• どの選択が「良い」のかわからない
• 「こっちが良さそう」って誰かに言ってほしい
  • そんな都合のいい存在はない。
• そもそも「良い」って何……？
  • 人生って何……？
  • 生きるとは……？
• どんどん思考がRegression(退行)。

• データを意思決定に使う話
  • 回帰係数による解釈がしやすいらしい？
  • 昨今知られる機械学習と比べると「ホワイトボックス」
    • 今日の報告群の完全な下位互換
• 前提知識: 回帰分析が分かれば大丈夫
  • 回帰係数が分かれば大丈夫
• そのうちgithubに資料とデータは上がる
  • 寿司🍣のことを考えてもらって大丈夫です

• 生きる意味、持ってますか？
  • 家族、仕事、友達、R……
  • 自分の生きがいに一番寄与するものを探したい
• 回帰分析で評価・意思決定しよう。
  • どの変数が効くかな？
    • その変数を生きがいに生きていこう
• 「効いている」の基準: p-value
  • 統計的に有意ならそれでいい

• 心の中の自分1,000人にアンケートとった

UseData <- data.frame(IKIGAI          =  y, #生きがいスコア
                      R_usage         = X1, # Rを使う喜び
                      MANGA_count     = X2, # マンガの冊数
                      Museum_emotion  = X3, # 美術館に通う
                      Python_usage    = X4, # Pythonを使う喜び
                      Julia_usage     = X5) # Juliaを使う喜び 

• 他データ省略
• このデータに回帰分析を適用する

• 回帰分析してみましょう
• Rでやるにはlm()関数。
  • lm_model1: R_usage、MANGA_count、Museum_emotionのみをつかう
• でもPythonやJuliaのことが気になって仕方がない
  • ついつい投入してしまう
  • lm_model2: Python_usage、Julia_usageをくわえてみる。
  • このモデルで生きる意味を決めてしまおう

lm_model1 <- lm(IKIGAI ~   R_usage       + 
                           MANGA_count   +
                           Museum_emotion,
                           data = UseData)
lm_model2 <- lm(IKIGAI ~ ., data = UseData) #全部使うときは`.`

• EstimateとPr(>|t|)を確認する

summary(lm_model1)$coefficients

##                   Estimate  Std. Error    t value      Pr(>|t|)
## (Intercept)    -0.04771901 0.063815589 -0.7477642  4.547789e-01
## R_usage         1.23184029 0.031383497 39.2512124 2.096241e-204
## MANGA_count     0.60711331 0.021224977 28.6037199 7.696141e-132
## Museum_emotion  0.29876870 0.006250491 47.7992354 4.555039e-260

• 生きがいはR、マンガ、美術館。
  • ブレはほぼ標準誤差(Std.Error)範囲内。
  • p-valueもほぼ0。統計的に有意な結果。

• EstimateとPr(>|t|)を確認する

summary(lm_model2)$coefficients

##                   Estimate  Std. Error    t value      Pr(>|t|)
## (Intercept)    -0.08471934 0.083405958 -1.0157469  3.099971e-01
## R_usage         5.16707707 3.093504186  1.6702990  9.517504e-02
## MANGA_count     0.60710044 0.021224029 28.6043925 8.841532e-132
## Museum_emotion  0.29869484 0.006250579 47.7867438 8.972799e-260
## Python_usage   -4.00617089 3.091913944 -1.2956929  1.953821e-01
## Julia_usage     0.07361794 0.108349088  0.6794514  4.970101e-01

• R_usageは正、Python_usageは大きく負！？
  • Rにやきもち妬かれている
    • Juliaはほぼout of 眼中
  • 標準誤差も大きく、統計的にも有意じゃない……
  • p-valueではどちらも「重要じゃない」
• R「あなたの生きがいはマンガと美術館ね。さよなら」

• これからのわたし
  • うず高く積まれたマンガに囲まれ
  • 週末は美術館に行く
• 充実していなくはない……が……
  • でもなぜか心(とディレクトリ)に穴がぽっかり空いてしまった

• 原因は多重共線性
  • 説明変数の中に、互いに相関の強い項目があった

cor(UseData$R_usage, UseData$Python_usage) # 伏線回収

## [1] 0.9999486

cor(UseData$R_usage, UseData$Julia_usage)

## [1] 0.9601607

• きぬいとはRもPythonもJuliaも好きだったらしい……
• 結果推定値の標準誤差がでかくなり有意性を失う。

• 本来必要なはずの変数
  • p-valueを基準に選ぶと失敗する(こともある)
• KPIに寄与する変数を見落とす可能性
  • 説明変数間の相関見ないで回帰すると意思決定ミスります。
  • いろんな水準で変数の重要性を考えよう。
• 決定木でも同じ
  • 多重共線性は精度に大きく影響しない
  • そのくせ重要度ベースでの解釈に大きく関わる。つらい。

• Rは優しい
  • “結果”は簡単に出してくれる。
  • でも結果の妥当性までは教えてくれない
  • 結果を疑おう。
    • ちょっと考えればRもPythonもJuliaも等しく愛せることに気付けるはず
• p-valueを過信しないようにしよう
  • 意味がある変数が有意になるとは限らない
    • 「回帰係数は0じゃないことはわかる」だけ。
• 生きがいを探そう

• 何かを決めるのは難しい
  • 難しいけどWantedly貼っとくわ
• 真面目な話をしてしまった……
  • この先の話はブログで書いた
  • 正則化回帰の話もブログで書いた
  • Lasso楽しいブログも書いた
  • 次があれば面白い話をします