Rで学ぶ実験計画法 [データサイエンス、統計モデル]
Rで学ぶ実験計画法
http://www.ism.ac.jp/lectures/27s.html
統計数理研究所の公開講座『Rで学ぶ実験計画法』に行ってきました。
会場の場所は、いつもは立川ですが今回は竹橋でした。
会社から近いのでとても行きやすいです。
----- 備忘録 -----
飽和状態で割り付けた場合の有意性
交互作用がある場合、主効果だけみてはだめ
A×Bの場合は、Aだけ、Bだけで見ることは意味がない
プラケットーバーマン計画(Plackett - Burman)
データ数nに対して推定したいパラメータ数pが
p > n の場合に対して、主効果や交互作用を推定したい。
2水準系直行表: 2, 4, 8, 16, 32
PB計画表: 4, 8, 12, 16, 20
12の場合、11個の主効果を扱うことができる。
さらに、交互作用は、薄く分散されているので、11×10個の交互作用を扱うことができる。
このような事例としては、バイオインフォの世界において、少ない実験(データ)に対して、多数のパラメータを推定する場合に使われる。
lasso
Elements of Statistical Learning
高次元回帰
7月 スパース回帰の講座
→ ゲノム解析
http://www.ism.ac.jp/lectures/27s.html
統計数理研究所の公開講座『Rで学ぶ実験計画法』に行ってきました。
会場の場所は、いつもは立川ですが今回は竹橋でした。
会社から近いのでとても行きやすいです。
----- 備忘録 -----
飽和状態で割り付けた場合の有意性
交互作用がある場合、主効果だけみてはだめ
A×Bの場合は、Aだけ、Bだけで見ることは意味がない
プラケットーバーマン計画(Plackett - Burman)
データ数nに対して推定したいパラメータ数pが
p > n の場合に対して、主効果や交互作用を推定したい。
2水準系直行表: 2, 4, 8, 16, 32
PB計画表: 4, 8, 12, 16, 20
12の場合、11個の主効果を扱うことができる。
さらに、交互作用は、薄く分散されているので、11×10個の交互作用を扱うことができる。
このような事例としては、バイオインフォの世界において、少ない実験(データ)に対して、多数のパラメータを推定する場合に使われる。
lasso
Elements of Statistical Learning
高次元回帰
7月 スパース回帰の講座
→ ゲノム解析