Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
ストリートスナップデータに 統計的ネットワーク分析の適用を試みた
Search
saltcooky
May 25, 2019
Science
0
850
ストリートスナップデータに 統計的ネットワーク分析の適用を試みた
TokyoR #78 LT
saltcooky
May 25, 2019
Tweet
Share
More Decks by saltcooky
See All by saltcooky
動的トリートメント・レジームを推定するDynTxRegimeパッケージ
saltcooky12
0
190
FIBA W杯の日本代表って組み合わせ次第で2次ラウンド行けたんじゃね?をデータで検証
saltcooky12
0
320
Rで有名絵画を安全に買いたい
saltcooky12
0
340
階層クラスタリングにおける仮説検定
saltcooky12
0
1k
データドリブンな仮説検証のためのSelective Inference
saltcooky12
1
1.4k
Other Decks in Science
See All in Science
NASの容量不足のお悩み解決!災害対策も兼ねた「Wasabi Cloud NAS」はここがスゴイ
climbteam
0
130
AIによる科学の加速: 各領域での革新と共創の未来
masayamoriofficial
0
120
LayerXにおける業務の完全自動運転化に向けたAI技術活用事例 / layerx-ai-jsai2025
shimacos
2
1.5k
2025-06-11-ai_belgium
sofievl
1
150
07_浮世満理子_アイディア高等学院学院長_一般社団法人全国心理業連合会代表理事_紹介資料.pdf
sip3ristex
0
610
データマイニング - グラフデータと経路
trycycle
PRO
1
210
ttl2html (RDF/Turtle to HTML)
masao
0
110
MCMCのR-hatは分散分析である
moricup
0
440
Machine Learning for Materials (Challenge)
aronwalsh
0
330
機械学習 - K近傍法 & 機械学習のお作法
trycycle
PRO
0
1.2k
データベース09: 実体関連モデル上の一貫性制約
trycycle
PRO
0
990
機械学習 - SVM
trycycle
PRO
1
880
Featured
See All Featured
ピンチをチャンスに:未来をつくるプロダクトロードマップ #pmconf2020
aki_iinuma
127
53k
Bash Introduction
62gerente
615
210k
Unsuck your backbone
ammeep
671
58k
I Don’t Have Time: Getting Over the Fear to Launch Your Podcast
jcasabona
33
2.4k
GitHub's CSS Performance
jonrohan
1032
460k
Why You Should Never Use an ORM
jnunemaker
PRO
59
9.5k
Thoughts on Productivity
jonyablonski
70
4.8k
RailsConf & Balkan Ruby 2019: The Past, Present, and Future of Rails at GitHub
eileencodes
139
34k
Chrome DevTools: State of the Union 2024 - Debugging React & Beyond
addyosmani
7
850
Art, The Web, and Tiny UX
lynnandtonic
303
21k
Principles of Awesome APIs and How to Build Them.
keavy
126
17k
Why Our Code Smells
bkeepers
PRO
339
57k
Transcript
ετϦʔτεφοϓσʔλʹ ౷ܭతωοτϫʔΫੳͷద༻ΛࢼΈͨ 5PLZP3 !TBMUDPPLZ
୭ʁ • !TBMUDPPLZ • 3ྺɿ͙Β͍͔ͳ • ۈઌɿݪ॓ʹ͋Δ*5ܥͷձࣾ • ࣄ༰ɿ3%తͳ෦ॺͰ3Λͬͨ ɾσʔλੳ
ׂ ɾػցֶश ׂ ɾલॲཧ ׂ • झຯɿϑΝογϣϯඒज़ؗ८Γ
ωοτϫʔΫੳͱ ਓؒؔɺاۀؒͷؔɺੜؒͷؔɺίϯϐϡʔλωοτϫʔΫ ͳͲͷؔߏΛੳ͢ΔάϥϑཧΛϕʔεͱͨ͠ੳख๏ (ग़య : https://www.slideshare.net/kashitan/tidygraphggraph) (https://www.amazon.co.jp/exec/obidos/ASIN/4320019288) ͜ΕͰษڧ͠·ͨ͠ ࠷ۙͷTokyoRͩͱ @kashitan
͞Μ͕ ൃදͨ͠Γͯͨ͠
ωοτϫʔΫੳ Α͋͘ΔͷωοτϫʔΫͷࢦඪͷࢉग़ߏͷநग़ - த৺ੑ ͲͷΑ͏ͳਓ͕த৺తͳਓ͔ - ίϛϡχςΟநग़ ͲͷΑ͏ͳάϧʔϓʹ͔Ε͍ͯΔ͔ - ૬ؔ
̎ͭͷωοτϫʔΫࣅ͍ͯΔ͔Ͳ͏͔ - ίΞநग़ ωοτϫʔΫͷີʹ݁߹ͨ͠த৺෦
ωοτϫʔΫͷ͋Δ̎ͷؒ J K ͷลɺ֬QJKͰ֬తʹൃੜ͢Δͱߟ͑Δ QJKύϥϝʔλВΛ࣋ͭϩδεςΟοΫϞσϧͰදݱͰ͖Δ J KͱK Lʹล͕ுΔ֬QJKºQKLͱදݱͰ͖Δ ౷ܭతωοτϫʔΫੳ K
L J
ࢦϥϯμϜάϥϑϞσϧ FYQPOFOUJBMSBOEPNHSBQINPEFM ɹϥϯμϜάϥϑ:ʹ͓͍ͯಛఆͷάϥϑߏZ͕ಘΒΕΔ֤֬ล͕ுΔ֬ͷ ྦྷͰදݱͰ͖Δͱߟ͑ͨϞσϧ ౷ܭతωοτϫʔΫੳ yʹ͋Δลͷ ύϥϝʔλ ن֨Խఆ ωοτϫʔΫશମ
ͷลͷൃੜ֬
ࢦϥϯμϜάϥϑϞσϧɹQ Ϟσϧ ɹϥϯμϜάϥϑ:ͷลͷൃੜ༷֬ʑͳཁૉʹΑΓ֬తʹܾ·ΔϞσϧ ౷ܭతωοτϫʔΫੳ ཁૉ ϊʔυͷಛྔɿྸɺॏΈɺ෦ॺʜ ลͷಛྔɿަࡍظؒɺΈʜ ϊʔυؒͷؔͷಛɿྸࠩɺۈଓظؒࠩʜ ߏతͳಛྔɿLελʔߏͷʜ ωοτϫʔΫͷߏཁ
ཁૉͷ
ద༻σʔλ
ద༻σʔλ ྸ ৬ۀ ࡱӨॴ ண༻ϒϥϯυ
Ϟνϕʔγϣϯ ลண༻ϒϥϯυͷ ڞ௨ ϒϥϯυͷબͷੑ࣭Λ දݱͰ͖ͳ͍͔ (͔ͳΓແཧཧ)
σʔλऔಘ • ($1্Ͱ%PDLFSΛ༻͍ͯ3TUVEJP 34FMFOJVNڥΛ࡞ • SWFTUQBDLBHFΛར༻ͯ͠εΫϨΠϐϯά • ϙΞιϯʹै͏ִؒͰϖʔδऔಘ ͳΜͱͳ͘
• ҰਓͷεφοϓσʔλΛऔಘ
σʔλ֬ೝ ண༻ϒϥϯυϥϯΩϯά ண༻ϒϥϯυωοτϫʔΫ
Ϟσϧ࡞(ྫ) ࢦϥϯμϜϞσϧTUBUOFUQBDLBHFͰ࣮͕Ͱ͖·͢ɻ # ωοτϫʔΫΦϒδΣΫτͷ࡞ network <- as.network(x = graph_matrix, directed
= FALSE, loops = FALSE) # ֤Τοδʹઆ໌ม(ྸ)ΛՃ network %v% "Age" <- Age # ֤ΤοδͷྸͷࠩΛܭࢉ diff.age <- abs(sweep(matrix(snap_info$Age, nrow = 638, ncol = 638), 2, snap_info$Age)) # Ϟσϧ࡞ model <- ergm( network ~ edges + edgecov(diff.age) + nodecov(“Age”) )
Ϟσϧ࡞ ࢦϥϯμϜϞσϧTUBUOFUQBDLBHFͰ࣮͕Ͱ͖·͢ɻ # ετϦʔτεφοϓͷp*Ϟσϧੜ snap_net_model <- ergm(snap_net ~ edges
+ # ลͷ nodecov(“Age")+ # ྸࠩ edgecov(diff.age) + # ྸ nodematch(“Occupation”) + # ৬ۀ nodematch("Point") ) # ࡱӨॴ
݁ՌΛݟͯΈΔ > summary(snap_net_model) < ུ > Monte Carlo MLE Results:
Estimate Std. Error MCMC % z value Pr(>|z|) edges -5.2066393 0.2692526 0 -19.337 <1e-04 *** edgecov.diff.age -0.0015763 0.0094767 0 -0.166 0.8679 nodecov.Age -0.0003136 0.0061215 0 -0.051 0.9591 nodematch.Occupation -0.0453192 0.0842853 0 -0.538 0.5908 nodematch.Point 0.1491330 0.0628610 0 2.372 0.0177 * < ུ > AIC: 13485 BIC: 13536 (Smaller is better.) ࡱӨॴ͕ลͷൃੜʹ Өڹ͍ͯͦ͠͏ AIC/BICͰมબՄೳ
݁ՌΛݟͯΈΔ ϞσϧΛ༻͍ͯγϛϡϨʔγϣϯ ࣮ઢɿγϛϡϨʔγϣϯʹΑΔ ശͻ͛ਤɿ࣮σʔλͷ ͯ·Γྑ͘ͳ͍ʜ
·ͱΊ • ࠓճͷεφοϓใͰɺண༻ϒϥϯυͷؔੑΛࢦϥϯμϜ άϥϑϞσϧͰ͏·͘දݱͰ͖·ͤΜͰͨ͠ • ౷ܭతωοτϫʔΫੳ݁ߏ໘ന͍ͷͰɺษڧͯ͠ΈͯͶ • ࢲ౷ܭతωοτϫʔΫੳͷษڧଓ͚͍͖͍ͯͨͱࢥ͍·͢ • ͳͷͰɺৄ͍͠ํ͝ڭतئ͍͠·͢
• ڞཱग़൛ʮωοτϫʔΫੳୈ̎൛ʯླஶ IUUQTXXXBNB[PODPKQFYFDPCJEPT"4*/ • \UJEZHSBQI^ͱ\HHSBQI^ʹΑΔϞμϯͳωοτϫʔΫੳ IUUQTXXXTMJEFTIBSFOFULBTIJUBOUJEZHSBQIHHSBQI • 3ʹΑΔωοτϫʔΫੳΛ·ͱΊ·ͨ͠ωοτϫʔΫͷࢦඪฤ IUUQTRJJUBDPNTBMUDPPLZJUFNTFEDFEGCDE •
3ʹΑΔωοτϫʔΫੳΛ·ͱΊ·ͨ͠౷ܭతωοτϫʔΫੳฤ IUUQTRJJUBDPNTBMUDPPLZJUFNTCBFGDFCGBDFBDCGD ࢀߟ