ねむい。あんまり頭入っていないと思うけど、雑な振り返り
- Pythonで書いているけど、GLMが実装できなくてあとでやりたい(簡単にできるのかね
- 2章はポアソン分布の性質みたいなものを学んだ
- 3章はポアソン回帰で、パラメータの推定と推定したパラメータで用意したモデルで予測まで学ぶ
- これまでscikit-learnでなんとなーく叩いていた中身を学んだ気持ち
- 4章はAICの意味を理解
- これまで仕事でなんとなーく使っていたAICがやっと理解
- しかし、なんかまだ腑に落ちていない気はする
- 5章は帰無仮説と対立仮説の検定?を学ぶ
- これまではココらへん意味不明でよくわからんかったからスルーしてた
- とりあえず飲み込むことはできた。わかりやすいとは思う
- が、結局のところ使い所がまだまだ見えないので、ちゃんと理解していないのかなと思った
後半も引き続きやるんだけど、前半やった雑感としてはこれからデータをいっぱいみていかないといけないのではないのかなという気持ち。統計学覚えてもビジネス(ドメイン)知識ないと終わる気が
データ解析のための統計モデリング入門――一般化線形モデル・階層ベイズモデル・MCMC (確率と情報の科学)
- 作者: 久保拓弥
- 出版社/メーカー: 岩波書店
- 発売日: 2012/05/19
- メディア: 単行本
- 購入: 16人 クリック: 163回
- この商品を含むブログ (29件) を見る