Summary
本セミナーでは、AICおよびBIC(Bayesian information criterion)という2つの代表的な情報量規準の考え方とそれらの性質を詳細に解説し、演習を通してより良いモデル選択・変数選択のための知識を修得することを目標とします。
手元にあるデータセットに対して当てはめる統計モデルを決定することを、モデル選択と言います。
また、回帰分析等において、モデルに組み込むべき説明変数の組を決定するモデル選択問題のことを、特に変数選択と呼びます。
情報量規準は、1973年に発表された赤池情報量規準(AIC: Akaike information criterion)以降、モデル選択・変数選択の手法として、理論的な研究が活発になされ、また実用上も様々な場面で利用されてきました。
本セミナーでは、AICおよびBIC(Bayesian information criterion)という2つの代表的な情報量規準の考え方とそれらの性質を解説します。
また、関連する手法として交差検証法(cross validation)、情報量規準に代わる回帰分析における変数選択法としてLasso、ベイズ法における情報量規準としてDIC(deviance information criterion)やWAIC(widely applicable information criterion)などの解説も行います。
さらに、Rを用いた演習を行い、知識の確実な定着を目指します。
【対象者】
本セミナーでは、下記のような方が対象となっております。
- 分野を問わず、データ分析業務に携わる全ての方
- 統計学を専門として勉強/研究している方
- 仮説検定を学んでいる方/学んだことがある方
【提供内容】
以下の内容を閲覧可能です。
・講義動画
・講義資料
・演習資料
\受講プログラム/
約60分間の講義動画を前編と後編に分けた2本立てとなっており、
合計で約120分のセミナーとなっております。
【注意事項(必ずお読みください)】
- セミナーの内容に関するご質問への対応は行なっておりません
-
ご購入後の返金は致しかねますので、ご了承ください
【免責事項(必ずお読みください)】
- 本ページの内容は予告なく変更する場合がございます
- 主催者の諸般の事情や、天災地変その他の不可抗力の事態により、本講座の一部あるいは全部を中止させていただく場合がございます
【お問い合わせ】
ご質問やご不明点などがある方は、お手数ですがフッター部分にある「お問い合わせ」リンクよりご連絡くださいませ。