【目次】楽しい写経 Python・ベイズ・機械学習・統計・異常検知・生成AI…
シリーズ「楽しい写経 ベイズ・Python等」の目次です。
書籍等のプログラムコードの実践、いわゆる写経活動のメモ的な記事をアップします。
「かわいいフリー素材集いらすとや」さんのイラストをお借りしています。
ありがとうございます！
写経「StanとRでベイズ統計モデリング」
書籍名「StanとRでベイズ統計モデリング」（通称：アヒル本）
書籍の著者 松浦健太郎 先生
写経の種類
書籍のプログラム言語 R・Stan を Python・PyMC で書き換えます。
第４章「StanとRStanをはじめよう」
4.4 単回帰
第５章「基本的な回帰とモデルのチェック」
5.1 重回帰
5.2 二項ロジスティック回帰
5.3 ロジスティック回帰
5.4 ポアソン回帰
第５章 練習問題
第６章「統計モデリングの視点から確率分布の紹介」
さまざまな確率分布
第６章 練習問題
第７章「回帰分析の悩みどころ」
7.1 交互作用
7.2 対数をとるか否か
7.3 非線形の関係
7.5 交絡
7.7 説明変数にノイズを含む
7.8 打ち切り
7.9 外れ値
第８章「階層モデル」
8.1 階層モデルの導入
8.2 複数の階層を持つモデル
8.3 非線形モデルの階層モデル
8.4 ロジスティック回帰の階層モデル
第８章 練習問題
第９章「一歩進んだ文法」
9.3 ベクトルや行列の数学的性質の利用
9.3.1 多変量正規分布
9.3.2 行列演算を使った重回帰
9.4 パラメータの制約
9.4.2 simplex型
9.5 トラブルシューティング
9.5.2 欠損値
第10章「収束しない場合の対処法」
10.1 パラメータの識別可能性
10.1.3 ラベルスイッチング
10.1.4 多項ロジスティック回帰
10.1.5 ウサギとカメ
10.2 弱情報事前分布
10.2.2 正の値を持つパラメータ 前編
10.2.2 正の値を持つパラメータ 後編
10.2.4 分散共分散行列
10.3 再パラメータ化
10.3.1 Nealの漏斗
10.3.2 階層モデル
第11章「収束しない場合の対処法」
11.1 離散パラメータを扱うテクニック
11.2 混合正規分布
11.3 ゼロ過剰ポアソン分布
11.4 Latent Dirichlet Allocation
第11章 練習問題
第12章「時間や空間を扱うモデル」
12.1 状態空間モデルことはじめ
12.2 季節調整項
12.3 変化点検出
12.6 １次元の空間構造
12.7 ２次元の空間構造
12.8 地図を使った空間構造
第12章 練習問題
寄り道写経「スモールデータ解析と機械学習」
書籍名「スモールデータ解析と機械学習」
書籍の著者 藤原幸一 先生
写経の種類
書籍を120％楽しむための追加コード、誤植を補正するコードを書きます。
第２章「相関関係と主成分分析」
第３章「回帰分析と最小二乗法」
第４章「線形回帰モデルにおける入力変数選択」
第５章「分類問題と不均衡データ問題」
第６章「異常検知問題」
寄り道写経「Pythonではじめる異常検知入門」
書籍名「Pythonではじめる異常検知入門」
書籍の著者 笛田薫 先生、江崎剛史 先生、李鍾賛 先生
写経の種類
書籍を120％楽しむための追加コードを書きます。
第２章「異常検知のデータサイエンス」
第３章「異常度と評価指数」
第４章「距離に基づいた異常検知」
第５章「入出力の情報に基づくアプローチ」
第７章「異常検知の実践例」①ホテリングのT²法
第７章「異常検知の実践例」②One-Class SVM
第７章「異常検知の実践例」③時系列データ
第８章「補足」Isolation Forest
寄り道写経「Pythonによる異常検知」
書籍名「Pythonによる異常検知」
書籍の著者 曽我部東馬 先生、監修 曽我部完 先生
写経の種類
書籍を120％楽しむための追加コードを書きます。
第１章「機械学習と統計解析の基本モデル」
1.3節「教師あり学習－分類と回帰」
1.4節「教師なし学習－特徴抽出・クラスタリング・次元削減」
第２章「非時系列データにおける異常検知」
2.2節「正規分布に基づく異常検知」
2.3節「非正規分布に基づく異常検知」
局所外れ値因子法（LOF法）
2.4節「高度な特徴抽出による異常検知」
① ｋ平均法
② EM法（Expectation-maximization algorithm法）
③主成分分析(PCA)
【次回をお楽しみに！】
寄り道写経「LangChain完全入門」
書籍名「LangChain完全入門 生成AIアプリケーション開発がはかどる大規模言語モデルの操り方」
書籍の著者 田村悠 先生
写経の種類
最近のライブラリで動くように書籍のコードに手を入れます。
第１章「ChatGPTとLangChain」
第２章「Model I/O - 言語モデルを扱いやすくする」
第３章「Retrieval - 未知のデータを扱えるようにする」
第４章「Memory - 過去の対話を短期・長期で記憶する」
第５章「Chains - 複数の処理をまとめる」
第６章「Agents - 自律的に外部と干渉して言語モデルの限界を超える」
第７章「Callbacks - さまざまなイベント発生時に処理を行う」
寄り道写経「数値シミュレーションで読み解く統計のしくみ」
書籍名「数値シミュレーションで読み解く統計のしくみ〜Rでためしてわかる心理統計」
書籍の著者 小杉考司 先生、紀ノ定保礼 先生、清水裕士 先生
写経の種類
書籍のプログラム言語 R を Python で書き換えます。
第１章「本書の狙い」
第２章「プログラミングの基礎」
2.1節「言語の基礎」、2.2節「オブジェクトと変数の種類」
2.3節「関数を作る」
【次回をお楽しみに！】
ブログの紹介
note で７つのシリーズ記事を書いています。
ぜひ覗いていってくださいね！
１．のんびり統計
統計検定２級の問題集を手がかりにして、確率・統計をざっくり掘り下げるブログです。
雑談感覚で大丈夫です。ぜひ覗いていってくださいね。
統計検定２級公式問題集CBT対応版に対応しています。
Python、EXCELのサンプルコードの配布もあります。
２．実験！たのしいベイズモデリング１＆２をPyMC Ver.5で
書籍「たのしいベイズモデリング」・「たのしいベイズモデリング２」の心理学研究に用いられたベイズモデルを PyMC Ver.5で描いて分析します。
この書籍をはじめ、多くのベイズモデルは Ｒ言語＋Stanで書かれています。
PyMCの可能性を探り出し、手軽にベイズモデリングを実践できるように努めます。
身近なテーマ、イメージしやすいテーマですので、ぜひぜひPyMCで動かして、一緒に楽しみましょう！
３．実験！岩波データサイエンス1のベイズモデリングをPyMC Ver.5で
書籍「実験！岩波データサイエンスvol.1」の４人のベイジアンによるベイズモデルを PyMC Ver.5で描いて分析します。
この書籍はベイズプログラミングのイロハをざっくりと学ぶことができる良書です。
楽しくPyMCモデルを動かして、ベイズと仲良しになれた気がします。
みなさんもぜひぜひPyMCで動かして、一緒に遊んで学びましょう！
４．楽しい写経 ベイズ・Python等
ベイズ、Python、その他の「書籍の写経活動」の成果をブログにします。
主にPythonへの翻訳に取り組んでいます。
写経に取り組むお仲間さんのサンプルコードになれば幸いです🍀
５．RとStanではじめる心理学のための時系列分析入門 を PythonとPyMC Ver.5 で
書籍「RとStanではじめる心理学のための時系列分析入門」の時系列分析をPythonとPyMC Ver.5 で実践します。
この書籍には時系列分析のテーマが盛りだくさん！
時系列分析の懐の深さを実感いたしました。
大好きなPythonで楽しく時系列分析を学びます。
６．データサイエンスっぽいことを綴る
統計、データ分析、AI、機械学習、Pythonのコラムを不定期に綴っています。
統計・データサイエンス書籍にまつわる記事が多いです。
「統計」「Python」「数学とPython」「R」のシリーズが生まれています。
７．Python機械学習プログラミング実践記
書籍「Python機械学習プログラミング PyTorch & scikit-learn編」を学んだときのさまざまな思いを記事にしました。
この書籍は、scikit-learnとPyTorchの教科書です。
よかったらぜひ、お試しくださいませ。
最後までお読みいただきまして、ありがとうございました。
この記事が気に入ったらサポートをしてみませんか？