先日某所で「調整変数の選び方」というテーマで話をする機会をいただきました。 せっかくなので作った資料を公開します。 回帰分析をするときになにを調整したらよいかわからない・・・ 頑張って調整しても結局未測定交絡があるから結局実験じゃないと・・・ みたいな人にオススメだと思います。 基本的には昔書いたブログ記事の内容に沿っていますが、そこから少しアップデートして最近の話題などにも触れています。 理論的に「正しい」選択方法というよりは、どちらかといえば制約があるなかでの実践的な変数選択の落とし所といったイメージでしょうか。 ご参考までに！ ちなみに、ほかにも講演資料を公開しております。 合わせて読んでみてください。

機械学習による確率推定とカリブレーション/probabilistic-calibration-on-classification-model

疫学と経済学、どちらもある要因Xがある要因Yに与える因果的な効果の大きさを推定する「因果推論」に関心があることが多いです。 「選択(セレクション）バイアス」「交絡」「内生性」、多くの用語が因果推論で登場します。 ところが、話をしているとどうも噛み合わないことが多い。よくよく聞くと、 ①同じことを違う用語を使って話している ②同じ用語を使って全く違う概念について話している ことが判明。 先日の勉強会がきっかけで，selection biasの議論が活発におこなわれています． selection biasは疫学，経済学の領域間だけではなく，領域内でも定義が混乱してそう🤔 それぞれの領域の方々が同じ場で議論し合うのは良いなと思います． お互いリスペクトした議論になっているのもストレスフリー🧸 pic.twitter.com/WTbX7sVHIP — Sato@生物統計家 (@Shuntaro

今年もジェンダーギャップ指数が発表され、日本は121位と相変わらず低位であった。この指数については、政治的エンパワメントに極端に加重がかかっており、かつ指標の採り方が女性の絶対的人権状況をとるものではなく性比一本槍で評価するためブレやすく、そういった点に対する批判が多く聞かれる。 個人的には、政治的エンパワメントも目指すべき目標の一つであるのだから、そこに文句を言う筋合いはないと考えている。そのうえで、ジェンダーギャップ指数は政治的エンパワメントの指標としてもあまり質が良くないと考えている。ジェンダーギャップ指数は差別構造が残っているにもかかわらず見た目だけ順位を上げるハック・チートが容易であり、かつ実際上位に並んでいる国に差別的構造が残っていることが多いからである。言い換えれば、差別を撤廃するための指標としてあまり役に立っていない、ということである。この項では、それらの事例について検討し

はじめに こんにちは、Gunosy Tech LabのBIチームに所属しているクボタです。 Gunosyではアプリ内のロジックやUI等の変更において数値ベースでの意思決定を行なっています。 例えば新たなキャンペーンでのCVR増加やUI変更によるA/Bテストでのクリック数増加の効果検証などで統計的に裏打された手法を用いることで正しく意思決定を行うことを目指しています。 data.gunosy.io 本記事ではそのような状況で必要となるサンプルサイズの設計や統計的仮説検定のお話をさせていただきます。 はじめに 検定手法の選択 統計的仮説検定の手順 比較する指標の選定 帰無仮説 と対立仮説 の決定 検定統計量の選定 有意水準の決定 検出力の決定 効果量の決定 サンプルサイズの計算 ノンパラメトリック検定 多重比較 おわりに 参考文献 検定手法の選択 数値による意思決定を行う際に検定はよく利用され

久しぶりのyahoo個人への投稿となりますが、この記事を公開するのは、正直、気が重いな、と思いつつ、公開します。 というのも、今、食べログに対して非常にネガティブな解釈が広がっているわけですが、何かしらポジティブな材料を提供するとなると、確実にいろいろ言われるだろうなあと思って気が重くて仕方がないのですが、ただ、人生の一時期、食べログにハマっていた人間として、論点として提供されるべきポイントが、提供されていないと感じましたので、本記事を公開する次第です。 ◆食べログの評価点数分布の「不自然さ」　さて、近年、食べログの点数評価アルゴリズムは、頻繁にその不正を疑われ議論になっています。 2016年には、評価アルゴリズムのリセットがあった際には、いくつかの店舗がいきなり3.0の点数にリセットされるなどといったことがあり、記事にもなりました。 そして10月8日に、藍屋えんさんという方が、ご自身のブ

Service Not Reachable This service is not online at the moment please contact [email protected] if you need assistance. For more detailed infomration, allow the use of JavaScript in your browser.

We are thrilled to announce the general availability of the Cloudera AI Inference service, powered by NVIDIA NIM microservices, part of the NVIDIA AI Enterprise platform, to accelerate generative AI deployments for enterprises. This service supports a range of optimized AI models, enabling seamless and scalable AI inference. Background The generative AI landscape is evolving […] Read blog post

You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert