RT @ibu_hoshina: この話、この本とか理解の参考になるかも： https://t.co/Cl4W1o9I69 あと、ここでも少し触れてる。 https://t.co/4eDjvaqwOa

RT @nobucshirai: 面白かった https://t.co/yI3YHTxkP4

RT @shima__shima: というわけで，単純に対応表を引くだけでは計算量的に無理だから，もし中国語の部屋ができたら，知的処理があったといっていいんではないかとか，そんな話題とか載ってるAI学会誌の記事を貼っておく https://t.co/fZMSRDEFsK

RT @HironoriFunabi1: 「どうして人を殺しちゃいけないんですか」という問いに関して、自分なりの考えはあったが、その前にググってみたら法学者の橋本 昇二という方が、大江健三郎など著名人の「解答」を批判しつつ、問題点を整理した文章があって参考になった。1/ htt…

RT @takehikohayashi: とても良質の解説であり広くオススメしたいと思いました！ （林が近年主張している潜在結果＋構造的因果モデルのハイブリッド志向と基本線は同一と感じた次第） --- 小西 祥文(2020)『EBPMにおける構造推定と誘導形推定』 https…

ベイズがうまくいく理由がスタイン推定がうまくいくのと似てるなって思ったら丸山先生の論文にそのまんま書いてあった。 https://t.co/PoPhoJfSvR それから、定理 4.1 で線形回帰における縮小推定に決定係数が出てくるのすごく面白い。決定係数にそんな役割があったんか。。。

@mehoso_numa こんな論文があるようです。相関も思ってた以上に奥深い… https://t.co/JMNzDwQkjd

RT @0_u0: https://t.co/3gz4cJ2kex GLMMの代わりにGHMという方法があるのか。なるほど

RT @Ohkubo2021: >[Birnbaum's] solution is twofold: firstly he ‘proved’ LP from two premises which any frequentist is supposed to accept (Bi…

RT @dichika: 予測モデルの評価指標に関する日本語総説。 定番の指標に加えて、リスク較正（calibration）とかリスク再分類（NRI）、そしてネットベネフィットも説明されててとてもありがたい https://t.co/3WroZJMtkP

RT @ballforest: オープンアクセス / 深層学習の原理解析：汎化誤差の側面から 今泉 允聡 https://t.co/SysPvmKBA7

RT @ballforest: オープンアクセス / 深層学習の統計理論 鈴木 大慈https://t.co/mtSl73YjIt

RT @ballforest: 混合整数最適化による線形回帰モデルの最良変数選択 高野 祐一, 宮代 隆平 https://t.co/RlaZNScjbz

この話、この本とか理解の参考になるかも： https://t.co/Cl4W1o9I69 あと、ここでも少し触れてる。 https://t.co/4eDjvaqwOa https://t.co/YgQKBb742f

「R による財務データの匿名化: NEEDS 財務データを利用した合成疑似データの生成」地道正行さん（関西学院大学商学部）他 * 日経NEEDSデータ: https://t.co/AWSoVNIoAt * 匿名化: 星野(2016). https://t.co/RjFxpHGgnf #R研究集会 #RJpUsers

LASSOの正則化パラメータの選択には SURE（Stein's Unbiased Risk Estimate）から導出されるAICを使いましょう，という二宮さんからのメッセージ。 数値例やAICの導出もあって分かりやすい。 https://t.co/HlRa27ZSgR

「マーケティングの統計モデル」等を書いてる佐藤さんのペーパー。時間を見つけて読まなきゃ。 J-STAGE Articles - 経営学のためのデータサイエンスの周辺：計量経営学のすすめ https://t.co/ogASH3ignc

面白かった https://t.co/yI3YHTxkP4

固定効果モデルの因果効果の識別仮定や解釈上の注意点についてまとめられているコラム。パネルデータ分析と言えば「とりあえず固定効果モデル」くらいの認識だったのですが、非常に勉強になりました。 パネルデータ分析における固定効果モデルの取扱説明書 https://t.co/bkTp1YbvzE

というわけで，単純に対応表を引くだけでは計算量的に無理だから，もし中国語の部屋ができたら，知的処理があったといっていいんではないかとか，そんな話題とか載ってるAI学会誌の記事を貼っておく https://t.co/fZMSRDEFsK

「どうして人を殺しちゃいけないんですか」という問いに関して、自分なりの考えはあったが、その前にググってみたら法学者の橋本 昇二という方が、大江健三郎など著名人の「解答」を批判しつつ、問題点を整理した文章があって参考になった。1/ https://t.co/cFVsAkfAIa https://t.co/u4cPEfhmjs

因果推論についての総復習のような論文。 https://t.co/KaoZqL8e2B

甘利先生の40年前の予言。 数学会の雑誌「数学」の論文 統計的推論の微分幾何学 https://t.co/YiYLQS6Fk6 https://t.co/qakyDEvEXI

とても良質の解説であり広くオススメしたいと思いました！ （林が近年主張している潜在結果＋構造的因果モデルのハイブリッド志向と基本線は同一と感じた次第） --- 小西 祥文(2020)『EBPMにおける構造推定と誘導形推定』 https://t.co/yZxv8zxPb5

この（私以外は）そうそうたるメンバーによる科研費ではそういうことを深掘りする予定です。 https://t.co/9Y7ac8fyuT

EBMの話がおもしろい 中島秀人. 真実とエビデンス https://t.co/4WKl8Y4K8m https://t.co/wVFtoipfqg

ネタではないような https://t.co/sTsSEfTgjk https://t.co/cClSi6P7zj

https://t.co/3gz4cJ2kex GLMMの代わりにGHMという方法があるのか。なるほど

かなり重要な情報が詰まっているので因果推論界隈は必読です。 二宮(2022)"傾向スコア解析のための三重頑健情報量規準"https://t.co/ZdIAF82irY

>[Birnbaum's] solution is twofold: firstly he ‘proved’ LP from two premises which any frequentist is supposed to accept (Birnbaum 1962), but secondly nevertheless abandoned LP for the sake of fruitfulness brought by sampling theories (Birnbaum 1969) https://t.co/O3sfkb5UpM

予測モデルの評価指標に関する日本語総説。 定番の指標に加えて、リスク較正（calibration）とかリスク再分類（NRI）、そしてネットベネフィットも説明されててとてもありがたい https://t.co/3WroZJMtkP

混合整数最適化による線形回帰モデルの最良変数選択 高野 祐一, 宮代 隆平 https://t.co/RlaZNScjbz

オープンアクセス / 深層学習の原理解析：汎化誤差の側面から 今泉 允聡 https://t.co/SysPvmKBA7

オープンアクセス / 深層学習の統計理論 鈴木 大慈https://t.co/mtSl73YjIt

反証主義を自分がよく分かってないことが判明したので最近調べ直しているのですが、その中で伊勢田先生が書かれた境界設定問題の発展に関する論考に行き当たりました。この辺りに興味がある方に超オススメです。 境界設定問題はどのように概念化されるべきか https://t.co/RqkGEi0LGn

多群2項モデルにおける逆正弦変換による多重比較検定法。逆正弦変換と漸近理論を用いたTukey-Kramer型多重比較検定法の提案や、いくつか多重比較法の改良について述べられている。 https://t.co/HVVLRxSCpI

AICの赤池先生の誕生日か．赤池先生の講演を拝聴したのは１回だけ．２０００年春の数学会＠早稲田大学．「統計的思考と統計モデルの利用」というタイトルだが，ゴルフスイングの話をしていた記憶しかない．予稿集が公開されていて，後半がゴルフ．前半を覚えていないよ． https://t.co/dqlGDOUJh5

これ単純だけど面白いアイディアだった。決定木アンサンブル系の手法の変数重要度の計算方法の提案。決定木群を単体の予測性能で2分し、性能が良い/悪い群で使われている度合いから変数の重要度を測る。 [4Rin1-26] 決定木アンサンブルにおける出現頻度比に基づく変数重要度 https://t.co/ArIpKdDJSH

『情報の科学と技術』誌に、#TokyoR 運営チームによる「Rによるテキスト分析入門」と題する記事が掲載されました！ https://t.co/ndRr49V22k https://t.co/uPsr7snuw3

ブラックホールがスパースモデリングによって見えるようになった原理が書かれている。非常にわかりやすい。（池田思朗, 本間希樹, 植村誠、スパースモデリングと天文学、応用数理、25、15-19、2015） https://t.co/atcY7QxRSc

2018年度人工知能学会全国大会（第32回）/公平ロジスティック回帰での確定的決定則の影響 https://t.co/oK21FrQpME

２変数間の関係を捉えるために相関係数を求めてそれを視覚的に確認するため散布図に回帰直線を引きたい。yのxへの普通のOLS回帰？でもそれだとxとyの扱いが非対称だしx軸方向の誤差を考慮していない。x軸方向にも誤差がある時の回帰、モデルIIの回帰とは？ https://t.co/FKmp9R0ecN ３章がドンピシャ。 https://t.co/uuuZpCk8bf