赤池情報量規準 AIC [データサイエンス、統計モデル]
先日、購入した本。
数式がバリバリ出てくるのかと思ったら、生い立ちからモデリングの話までAICにまつわる話がいっぱい出てきました。
いくつか自分なりに理解したメモとして。
- 測定結果の意味についての理解、解釈を進める
⇒ なぜその結果が出て来たのか、きちんと考えないとダメってことですね。
- 応用分野の知識が要求される
- モデルに使用する変数の選択
- 必要な変数の取り込みの重要性
- 利用可能な知識に依存する
⇒ ビッグデータから、たくさん変数作って、ぶっこむのもありかもしれませんが、
きちんと、マーケティング&ビジネス観点を持ち、積極的に事前知識を利用しましょう。
- モデルの繰り返しの提案
- 1つのモデルは対象の特別な側面を表現する
- 局所的な最適解
- 避けるためには、過去の経験から得られた対象に関する知識を積極的に利用する必要がある
⇒ モデルを一度作ったら終わりではなく、いろいろな側面からモデルを作り、局所的ではなく全体の構造を把握する必要があります。
- AICと最少記述長基準MDL
- 違いは特異統計モデル
- AICは、必ずしも正しいモデルを選ばない、目的は良いモデルを選ぶこと
⇒ この辺りは難しかったです。後で読みなおし。
数式がバリバリ出てくるのかと思ったら、生い立ちからモデリングの話までAICにまつわる話がいっぱい出てきました。
いくつか自分なりに理解したメモとして。
- 測定結果の意味についての理解、解釈を進める
⇒ なぜその結果が出て来たのか、きちんと考えないとダメってことですね。
- 応用分野の知識が要求される
- モデルに使用する変数の選択
- 必要な変数の取り込みの重要性
- 利用可能な知識に依存する
⇒ ビッグデータから、たくさん変数作って、ぶっこむのもありかもしれませんが、
きちんと、マーケティング&ビジネス観点を持ち、積極的に事前知識を利用しましょう。
- モデルの繰り返しの提案
- 1つのモデルは対象の特別な側面を表現する
- 局所的な最適解
- 避けるためには、過去の経験から得られた対象に関する知識を積極的に利用する必要がある
⇒ モデルを一度作ったら終わりではなく、いろいろな側面からモデルを作り、局所的ではなく全体の構造を把握する必要があります。
- AICと最少記述長基準MDL
- 違いは特異統計モデル
- AICは、必ずしも正しいモデルを選ばない、目的は良いモデルを選ぶこと
⇒ この辺りは難しかったです。後で読みなおし。