みどりぼん10回LT

1. 自己紹介
ステータス!
• @piroyoung
!
!
• 家具作りが好き
!
!
!
• 数学(ゲーム理論）
→ （物流 → 小売）→ データなんとか
装備!
• R → Python, SQL, VBA, Stan,
Ruby,…F#
!
スキル・興味!
• アドテク系の商品企画・開発など
• NLP新参者
• ベイズスパイラル
1

2. Piroyoung
ノリと勢いがLTの決め手！
痩せる「行動ス
経済学」
ベる♨ウケる
は表裏一体！

3. そんな知識持ってません！

4. 超要約 Stan Reference
@piroyoung
数値計算をしないとモデリングは終わらないので．

5. 1．Stanを使おう

6. 1．Stanを使おう
Stan Jags
NUTS-HMC Gibbs Sampling
if文あり
行列演算あり
vectorize 
商用並みのサポート(?) （笑）
カッコいいカッコ悪い
いい▲ ▲なかなかいい
▶︎初動はStanかなという感じ．

7. 2．みどりぼんでやったこと

8. 2．みどりぼんでやったこと
コレがあれば事後分布からサンプルとれるよ!
f(✓|Y ) =
R f(Y |✓)f(✓)
f(Y |✓)f(✓)d✓
log f(✓|Y ) = log f(Y |✓) + log f(✓) Z

9. 3．STANのモデル記法

10. 3．STANのモデル記法
data{
!
Y
}
parameters{
!
✓
}
model{
!
}
log f(Y |✓) + log f(✓)
log f(✓|Y ) = log f(Y |✓) + log f(✓) Z

11. 4．increment_log_prob

12. 4．increment_log_prob
対数事前密度・尤度を足し合わせて
increment_log_prob()に渡す

13. 4．increment_log_prob

14. 4．increment_log_prob（データ追加）
観測値を増やしたければ
どんどん各点対数尤度を足していく

15. 4．increment_log_prob（データ追加）

16. 4．increment_log_prob（データ追加）
繰り返し引数に渡すと，その和を以て
事後分布をサンプルしてくれる

17. 5．sampling statement

18. 5．sampling statement
increment_log_prob( xxx_log( p,param,…))!
と
p~xxx(param,…)!
は同値な表現だよ．xxxは分布の名前．

19. 5．sampling statement

20. 6．vectorize

21. 6．vectorize
このyはint型の配列．!
引数に高次元のベクトル・配列を渡すと!
返り値も適切な次元で帰ってくれる．
increment_log_probにベクトル・配列を渡すと!
各成分を繰り返し渡すのと同じ挙動

22. 6．vectorize

23. 7．まとめ・補足
• increment_log_probを正しく理解しよう
• vectorizeを使おう
• Stan-Usersを活用しよう
• Tarzan 10月号買って健康になりましょう

24. おまけ

25. おまけ
何のモデルか，わかりますか？

26. おまけ
銀座の夜を定常分布で表現してみました．!
銀座の夜をStanで彩る （完）