今日の授業で聞いてきた話の備忘録。
メモメモ
■重回帰の変数の問題
たとえば、スマートハウスを考えよう
温度センサーが10箇所あって、エアコンが2つ、YとZがあったとする。
今、Yの温度が知りたい。
温度センサーのX2とX3の平均を取れば、わかるということが、わかった
Y=0.5X2+0.5X3
でも、この式、変じゃないか?
因果関係的に見れば、エアコンYが暖めている(=原因)によって、X2,X3の
温度が上がるのに、あたかも、X2とX3の観測値(=結果)で原因が決まる?
この場合、回帰式を立てたときと、予測しようとするときが、
同じ環境としてであれば、道具として使う分には、予測可能
でも、環境が変われば(たとえばZの温度を上げたら)
この予測式は、狂ってくるかもしれない(Yの温度は、予測式よりもっと上がる?下がるかも)
■変数の誤差
6月だけ、7月だけ、8月だけを求めた回帰式の平均が
6月から8月まで測定したものをまとめた回帰式になるわけではない。
これは、説明変数の誤差が大きいときに起こる
共分散構造分析にもっていくか、誤差に対して値の幅が大きく振れるものを使う
■平均的な値
ビッグデータなどであるように、データを集めると、平均的なものになってしまう
実は、平均的なものではない、例外が重要
例:Hadoopを使って、商圏は、300m程度ということを求めるのが重要ではなく
平均300mだが、1Kmになっているところ(例外)があったとしたら、
なぜその店舗は1Kmの商圏を持っているのかを知ることのほうが重要
メモメモ
■重回帰の変数の問題
たとえば、スマートハウスを考えよう
温度センサーが10箇所あって、エアコンが2つ、YとZがあったとする。
今、Yの温度が知りたい。
温度センサーのX2とX3の平均を取れば、わかるということが、わかった
Y=0.5X2+0.5X3
でも、この式、変じゃないか?
因果関係的に見れば、エアコンYが暖めている(=原因)によって、X2,X3の
温度が上がるのに、あたかも、X2とX3の観測値(=結果)で原因が決まる?
この場合、回帰式を立てたときと、予測しようとするときが、
同じ環境としてであれば、道具として使う分には、予測可能
でも、環境が変われば(たとえばZの温度を上げたら)
この予測式は、狂ってくるかもしれない(Yの温度は、予測式よりもっと上がる?下がるかも)
■変数の誤差
6月だけ、7月だけ、8月だけを求めた回帰式の平均が
6月から8月まで測定したものをまとめた回帰式になるわけではない。
これは、説明変数の誤差が大きいときに起こる
共分散構造分析にもっていくか、誤差に対して値の幅が大きく振れるものを使う
■平均的な値
ビッグデータなどであるように、データを集めると、平均的なものになってしまう
実は、平均的なものではない、例外が重要
例:Hadoopを使って、商圏は、300m程度ということを求めるのが重要ではなく
平均300mだが、1Kmになっているところ(例外)があったとしたら、
なぜその店舗は1Kmの商圏を持っているのかを知ることのほうが重要