GLM
以前 ※ に R や Julia で試したロジスティック回帰を Apache Spark の MLlib （Machine Learning Library） を使って実施してみました。 Apache Spark MLlib 1.3.1 サンプルソースは http://github.com/fits/try_samples/tree/master/blog/20150427/ ※「 R …
前回 に続き、今回も Julia で GLM を実施します。 Julia v0.4.0-dev 今回は 「R でロジスティック回帰 - glm, MCMCpack」 のロジスティック回帰（GLM）を Julia で実装してみました。 サンプルソースは http://github.com/fits/try_samples/tree/master/blo…
以前、「R でポアソン回帰 - glm, MCMCpack」 にて試した GLM によるポアソン回帰を Julia で実施してみました。 なお、Julia は開発中の v0.4.0 を使用しました。 Julia v0.4.0-dev サンプルソースは http://github.com/fits/try_samples/tree/master/blog/…
以前、glm・MCMCmetrop1R 関数でロジスティック回帰を試みましたが、今回はその時に利用を断念した MCMCpack の MCMClogit 関数を使ってロジスティック回帰を行います。 題材は、書籍 「 データサイエンティスト養成読本 [ビッグデータ時代のビジネスを支え…
前回 に続き、今回は個体差を考慮したロジスティック回帰を MCMCglmm で試してみます。 実は MCMCglmm の他にも MCMCpack の MCMChlogit や bayesm の rhierBinLogit 等といろいろ試そうとしてみたのですが、イマイチ使い方が分からなかったので今回は断念し…
前回 のロジスティック回帰に続き、書籍 「 データ解析のための統計モデリング入門――一般化線形モデル・階層ベイズモデル・MCMC (確率と情報の科学) 」のサンプルを使って個体差を考慮したロジスティック回帰を GLMM と階層ベイズモデルで試してみます。 (1)…
前回 に続き、今回も書籍 「 データ解析のための統計モデリング入門――一般化線形モデル・階層ベイズモデル・MCMC (確率と情報の科学) 」のサンプルを使って GLM とベイズ統計を試してみます。 題材は、6章「GLM の応用範囲をひろげる -ロジスティック回帰な…
書籍 「 データ解析のための統計モデリング入門――一般化線形モデル・階層ベイズモデル・MCMC (確率と情報の科学) 」の 3章 「一般化線形モデル（GLM）」 と 9章 「GLMのベイズモデル化と事後分布の推定」 で説明されていたポアソン回帰を下記のような 3通り…
