Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
ストリートスナップデータに 統計的ネットワーク分析の適用を試みた
Search
saltcooky
May 25, 2019
Science
0
850
ストリートスナップデータに 統計的ネットワーク分析の適用を試みた
TokyoR #78 LT
saltcooky
May 25, 2019
Tweet
Share
More Decks by saltcooky
See All by saltcooky
動的トリートメント・レジームを推定するDynTxRegimeパッケージ
saltcooky12
0
180
FIBA W杯の日本代表って組み合わせ次第で2次ラウンド行けたんじゃね?をデータで検証
saltcooky12
0
320
Rで有名絵画を安全に買いたい
saltcooky12
0
330
階層クラスタリングにおける仮説検定
saltcooky12
0
1k
データドリブンな仮説検証のためのSelective Inference
saltcooky12
1
1.4k
Other Decks in Science
See All in Science
baseballrによるMLBデータの抽出と階層ベイズモデルによる打率の推定 / TokyoR118
dropout009
1
560
[Paper Introduction] From Bytes to Ideas:Language Modeling with Autoregressive U-Nets
haruumiomoto
0
130
機械学習 - SVM
trycycle
PRO
1
880
AI(人工知能)の過去・現在・未来 —AIは人間を超えるのか—
tagtag
1
120
オンプレミス環境にKubernetesを構築する
koukimiura
0
340
データベース05: SQL(2/3) 結合質問
trycycle
PRO
0
790
科学で迫る勝敗の法則(電気学会・SICE若手セミナー講演 2024年12月) / The principle of victory discovered by science (Lecture for young academists in IEEJ-SICE))
konakalab
0
130
モンテカルロDCF法による事業価値の算出(モンテカルロ法とベイズモデリング) / Business Valuation Using Monte Carlo DCF Method (Monte Carlo Simulation and Bayesian Modeling)
ikuma_w
0
250
凸最適化からDC最適化まで
santana_hammer
1
290
A Guide to Academic Writing Using Generative AI - A Workshop
ks91
PRO
0
130
データベース06: SQL (3/3) 副問い合わせ
trycycle
PRO
1
620
コンピュータビジョンによるロボットの視覚と判断:宇宙空間での適応と課題
hf149
1
320
Featured
See All Featured
Balancing Empowerment & Direction
lara
3
620
A better future with KSS
kneath
239
17k
Let's Do A Bunch of Simple Stuff to Make Websites Faster
chriscoyier
507
140k
Rebuilding a faster, lazier Slack
samanthasiow
83
9.2k
Imperfection Machines: The Place of Print at Facebook
scottboms
268
13k
Exploring the Power of Turbo Streams & Action Cable | RailsConf2023
kevinliebholz
34
6k
Helping Users Find Their Own Way: Creating Modern Search Experiences
danielanewman
29
2.9k
Responsive Adventures: Dirty Tricks From The Dark Corners of Front-End
smashingmag
252
21k
Docker and Python
trallard
45
3.6k
Refactoring Trust on Your Teams (GOTO; Chicago 2020)
rmw
34
3.1k
Raft: Consensus for Rubyists
vanstee
140
7.1k
Product Roadmaps are Hard
iamctodd
PRO
54
11k
Transcript
ετϦʔτεφοϓσʔλʹ ౷ܭతωοτϫʔΫੳͷద༻ΛࢼΈͨ 5PLZP3 !TBMUDPPLZ
୭ʁ • !TBMUDPPLZ • 3ྺɿ͙Β͍͔ͳ • ۈઌɿݪ॓ʹ͋Δ*5ܥͷձࣾ • ࣄ༰ɿ3%తͳ෦ॺͰ3Λͬͨ ɾσʔλੳ
ׂ ɾػցֶश ׂ ɾલॲཧ ׂ • झຯɿϑΝογϣϯඒज़ؗ८Γ
ωοτϫʔΫੳͱ ਓؒؔɺاۀؒͷؔɺੜؒͷؔɺίϯϐϡʔλωοτϫʔΫ ͳͲͷؔߏΛੳ͢ΔάϥϑཧΛϕʔεͱͨ͠ੳख๏ (ग़య : https://www.slideshare.net/kashitan/tidygraphggraph) (https://www.amazon.co.jp/exec/obidos/ASIN/4320019288) ͜ΕͰษڧ͠·ͨ͠ ࠷ۙͷTokyoRͩͱ @kashitan
͞Μ͕ ൃදͨ͠Γͯͨ͠
ωοτϫʔΫੳ Α͋͘ΔͷωοτϫʔΫͷࢦඪͷࢉग़ߏͷநग़ - த৺ੑ ͲͷΑ͏ͳਓ͕த৺తͳਓ͔ - ίϛϡχςΟநग़ ͲͷΑ͏ͳάϧʔϓʹ͔Ε͍ͯΔ͔ - ૬ؔ
̎ͭͷωοτϫʔΫࣅ͍ͯΔ͔Ͳ͏͔ - ίΞநग़ ωοτϫʔΫͷີʹ݁߹ͨ͠த৺෦
ωοτϫʔΫͷ͋Δ̎ͷؒ J K ͷลɺ֬QJKͰ֬తʹൃੜ͢Δͱߟ͑Δ QJKύϥϝʔλВΛ࣋ͭϩδεςΟοΫϞσϧͰදݱͰ͖Δ J KͱK Lʹล͕ுΔ֬QJKºQKLͱදݱͰ͖Δ ౷ܭతωοτϫʔΫੳ K
L J
ࢦϥϯμϜάϥϑϞσϧ FYQPOFOUJBMSBOEPNHSBQINPEFM ɹϥϯμϜάϥϑ:ʹ͓͍ͯಛఆͷάϥϑߏZ͕ಘΒΕΔ֤֬ล͕ுΔ֬ͷ ྦྷͰදݱͰ͖Δͱߟ͑ͨϞσϧ ౷ܭతωοτϫʔΫੳ yʹ͋Δลͷ ύϥϝʔλ ن֨Խఆ ωοτϫʔΫશମ
ͷลͷൃੜ֬
ࢦϥϯμϜάϥϑϞσϧɹQ Ϟσϧ ɹϥϯμϜάϥϑ:ͷลͷൃੜ༷֬ʑͳཁૉʹΑΓ֬తʹܾ·ΔϞσϧ ౷ܭతωοτϫʔΫੳ ཁૉ ϊʔυͷಛྔɿྸɺॏΈɺ෦ॺʜ ลͷಛྔɿަࡍظؒɺΈʜ ϊʔυؒͷؔͷಛɿྸࠩɺۈଓظؒࠩʜ ߏతͳಛྔɿLελʔߏͷʜ ωοτϫʔΫͷߏཁ
ཁૉͷ
ద༻σʔλ
ద༻σʔλ ྸ ৬ۀ ࡱӨॴ ண༻ϒϥϯυ
Ϟνϕʔγϣϯ ลண༻ϒϥϯυͷ ڞ௨ ϒϥϯυͷબͷੑ࣭Λ දݱͰ͖ͳ͍͔ (͔ͳΓແཧཧ)
σʔλऔಘ • ($1্Ͱ%PDLFSΛ༻͍ͯ3TUVEJP 34FMFOJVNڥΛ࡞ • SWFTUQBDLBHFΛར༻ͯ͠εΫϨΠϐϯά • ϙΞιϯʹै͏ִؒͰϖʔδऔಘ ͳΜͱͳ͘
• ҰਓͷεφοϓσʔλΛऔಘ
σʔλ֬ೝ ண༻ϒϥϯυϥϯΩϯά ண༻ϒϥϯυωοτϫʔΫ
Ϟσϧ࡞(ྫ) ࢦϥϯμϜϞσϧTUBUOFUQBDLBHFͰ࣮͕Ͱ͖·͢ɻ # ωοτϫʔΫΦϒδΣΫτͷ࡞ network <- as.network(x = graph_matrix, directed
= FALSE, loops = FALSE) # ֤Τοδʹઆ໌ม(ྸ)ΛՃ network %v% "Age" <- Age # ֤ΤοδͷྸͷࠩΛܭࢉ diff.age <- abs(sweep(matrix(snap_info$Age, nrow = 638, ncol = 638), 2, snap_info$Age)) # Ϟσϧ࡞ model <- ergm( network ~ edges + edgecov(diff.age) + nodecov(“Age”) )
Ϟσϧ࡞ ࢦϥϯμϜϞσϧTUBUOFUQBDLBHFͰ࣮͕Ͱ͖·͢ɻ # ετϦʔτεφοϓͷp*Ϟσϧੜ snap_net_model <- ergm(snap_net ~ edges
+ # ลͷ nodecov(“Age")+ # ྸࠩ edgecov(diff.age) + # ྸ nodematch(“Occupation”) + # ৬ۀ nodematch("Point") ) # ࡱӨॴ
݁ՌΛݟͯΈΔ > summary(snap_net_model) < ུ > Monte Carlo MLE Results:
Estimate Std. Error MCMC % z value Pr(>|z|) edges -5.2066393 0.2692526 0 -19.337 <1e-04 *** edgecov.diff.age -0.0015763 0.0094767 0 -0.166 0.8679 nodecov.Age -0.0003136 0.0061215 0 -0.051 0.9591 nodematch.Occupation -0.0453192 0.0842853 0 -0.538 0.5908 nodematch.Point 0.1491330 0.0628610 0 2.372 0.0177 * < ུ > AIC: 13485 BIC: 13536 (Smaller is better.) ࡱӨॴ͕ลͷൃੜʹ Өڹ͍ͯͦ͠͏ AIC/BICͰมબՄೳ
݁ՌΛݟͯΈΔ ϞσϧΛ༻͍ͯγϛϡϨʔγϣϯ ࣮ઢɿγϛϡϨʔγϣϯʹΑΔ ശͻ͛ਤɿ࣮σʔλͷ ͯ·Γྑ͘ͳ͍ʜ
·ͱΊ • ࠓճͷεφοϓใͰɺண༻ϒϥϯυͷؔੑΛࢦϥϯμϜ άϥϑϞσϧͰ͏·͘දݱͰ͖·ͤΜͰͨ͠ • ౷ܭతωοτϫʔΫੳ݁ߏ໘ന͍ͷͰɺษڧͯ͠ΈͯͶ • ࢲ౷ܭతωοτϫʔΫੳͷษڧଓ͚͍͖͍ͯͨͱࢥ͍·͢ • ͳͷͰɺৄ͍͠ํ͝ڭतئ͍͠·͢
• ڞཱग़൛ʮωοτϫʔΫੳୈ̎൛ʯླஶ IUUQTXXXBNB[PODPKQFYFDPCJEPT"4*/ • \UJEZHSBQI^ͱ\HHSBQI^ʹΑΔϞμϯͳωοτϫʔΫੳ IUUQTXXXTMJEFTIBSFOFULBTIJUBOUJEZHSBQIHHSBQI • 3ʹΑΔωοτϫʔΫੳΛ·ͱΊ·ͨ͠ωοτϫʔΫͷࢦඪฤ IUUQTRJJUBDPNTBMUDPPLZJUFNTFEDFEGCDE •
3ʹΑΔωοτϫʔΫੳΛ·ͱΊ·ͨ͠౷ܭతωοτϫʔΫੳฤ IUUQTRJJUBDPNTBMUDPPLZJUFNTCBFGDFCGBDFBDCGD ࢀߟ