Recommended
More Related Content
What's hot
What's hot (20)
Similar to Tokyo r94 beginnerssession3
Similar to Tokyo r94 beginnerssession3 (17)
More from kotora_0507
Recently uploaded
Recently uploaded (9)
Tokyo r94 beginnerssession3
- 1. 初心者セッション3 - Introduction to rstan - Tokyo.R #94 @kotatyamtema 1
- 2. 自己紹介 TwitterID : @kotatyamtema 大学での専門: 行動生態学 立案 捕獲 実験 分析までワンオペ 今まで : 客先ぼっち分析屋→アパレル通販会社 現在 : 医療検査会社 R歴 : 10年過ぎたかも？永遠の初心者 近況 : 相変わらず令和ちゃんの季節変化が雑すぎて つらいです… くれぐれも体調に気をつけましょう
- 4. 0. 事前準備 - projectの作成、パッケージのインストール、データハンドリング 0. 今回使用するデータとモデル 1. stanとは/rstanとは 2. rとstanの関係 3. 必要なファイル 4. stanファイルの書き方 5. MCMCの設定方法 6. MCMCの結果と評価 7. 参考資料 MENU
- 8. 事前準備 -パッケージのインストール 今回必要なパッケージ palmerpengunins, dplyr, ggplot2, rstan, bayesplot, shinystan 依存パッケージごとインストールする
- 9. dplyrパッケージとは data.frameのデータ処理を扱うためのpackage ・特徴 - 関数を%>%でつないで実行していく - 書いた順に実行される - 考えた通りに書けるのでストレスが減る - 他のdata.frameを扱うpackage(tidyrとか)の関数に シームレスに渡せる - 集計後に横持ちに変換して欠損を0埋めしてもう 一度縦持ちに戻すなんて処理がいっぺんにできる 事前準備 -データハンドリング 今回データハンドリングに使用するパッケージはdplyrパッケージ
- 13. 今回使用するデータとモデル glmで作成した体重とフリッパーの長さの単回帰モデル flipper_length_mm ∼ 0.009*body_mass_g + 171.3 # Gentooのデータのみ抽出 # 欠損値(NA)を除外する GentooData <- penguins %>% filter(species == "Gentoo") %>% filter(!is.na(flipper_length_mm) & !is.na(body_mass_g))
- 16. 必要なファイル 今回必要なファイルは2種類 1. データの前処理やサンプリング設定を書いたR/Rmdファイル 2. stanが実行するモデルの設定を書いたstanファイル - 今回は penguin_glm.stan というファイルを作成 - stanファイルはRStudioで作成可能 - 文法チェック機能あり:Check on Save（ただしちょっと重い）
- 17. stanへのデータの渡し方 stanにはリストにしたデータを渡す - stanファイルに記載するデータ名を要素名にしてリスト化 - stanは欠測値を受け付けないので除外しておく stanファイルではlistの要素名を使って書く - 混乱しない、間違いにくいことが大事 GentooData_list <- list( N = NROW(GentooData), #サンプルサイズ flipper_length = GentooData$flipper_length_mm, #フリッパーの長さ body_mass = GentooData$body_mass_g #体重 )
- 18. stanファイルの書き方 1. stanに渡す設定はブロックごとに分けて書く ブロックの構成(7ブロック) functions / data / transformed data / parameters / transformed parameters / model /generated quantities - 必須はmodelのみ - ブロックの順番は変更不可 - 今回使うのは data / parameters / model 2. ブロックは中括弧で囲む 3. 行の最後には必ずセミコロンをつける 4. コメントアウトは//(スラッシュ2本) 5. ファイルの最終行には必ず空白を入れる
- 19. stanファイルの書き方 dataブロック サンプルサイズとデータを指定 - データ型と名前を指定、一部のデータ型ではサンプルサイズを明 記する - int N; Nは整数である（int：整数型） - vector[N] flipper_length; flipper_lengthはN個のベクトル - vector[N] body_mass; body_massはN個のベクトル data { int N; // サンプルサイズ vector[N] flipper_length; // フリッパーの長さ vector[N] body_mass; // 体重 }
- 20. stanファイルの書き方 parametersブロック モデルで推定するパラメータの指定 今回のモデル：flipper_length = beta * body_mass + Intercept flipper_length[i] Normal(mu[i], sigma) mu[i] = beta * body_mass[i] + Intercept 推定すべきパラメータは beta, Intercept, sigma - 今回はすべてのパラメータがreal(実数) - 標準偏差であるsigmaのみ絶対0以上になるため<lower=0>の 条件を追加 parameters { real Intercept; // 切片 real beta; // 係数 real<lower=0> sigma; // 標準偏差
- 21. stanファイルの書き方 modelブロック 観測値の分布を指定 今回のモデル：flipper_length = beta * body_mass + Intercept flipper_length[i] Normal(mu[i], sigma) mu[i] = beta * body_mass[i] + Intercept flipper_length[i] Normal(beta*body_mass[i]+Intercept, sigma) → fliiper_lengthは平均(Intercept + beta*body_mass)と標準偏差 (sigma)の正規分布に従う model { for (i in 1:N) { flipper_length[i] normal(Intercept + beta*body_mass[i], sigma); } }
- 22. MCMCの設定と実行 stan関数で指定するMCMCの設定 今回設定する引数 - file, data, seed, chains, iter, warmup, thinの7つ Gentoo_stan_result <- stan( file = penguin_glm.stan", # モデルを記載したstanファイルへのパス data = GentooData_list, # stanに渡すデータリスト seed = 71, # 乱数シード chains = 4, # 乱数生成のセット数 iter = 3000, # 1セットの乱数生成の繰り返し数 warmup = 1000, # 初期生成乱数の切り捨て期間 thin = 1 # 間引き（1だと間引きなし） # 大きくすることで自己相関を緩和する )
- 25. MCMCの結果と評価 MCMCの結果で評価しないといけないこと ・サンプリング結果が収束しているか - トレースプロットを作成、すべてチェーンが同じようなトレース になっていることを確認 - bayesplot:mcmc_combo関数で事後分布とトレースプロットが 同時に確認できる # stanの結果からMCMCサンプルを抽出 Gentoo_stan_sample1 <- rstan::extract(Gentoo_stan_result, permuted = FALSE) # パラメータ（Intercept, beta, sigma）を指定してトレースプロットを作成 mcmc_combo(Gentoo_stan_sample1, pars = c("Intercept", "beta", "sigma"))
- 28. モデルの収束確認完了
- 29. 目標 flipper_length_mm ∼ 0.009*body_mass_g + 171.3 推定結果 flipper_length[i] Normal(0.009*body_mass[i]+171.3, 4.68) MCMCの結果と評価
- 32. 本 StanとRでベイズ統計モデリング (Wonderful R) 松浦 健太郎 、 石田 基広 実践Data Scienceシリーズ RとStanではじめる ベイズ統計モデリン グによるデータ分析入門 馬場 真哉 slideshare RStanとShinyStanによるベイズ統計モデリング入門 Stan超初心者入門 blog Kosugitti s BLOG アンドロイドは正規分布の夢を見るか Logic of Blue 参考資料
- 33. ENJOY!