回帰と予測

Pythonで学ぶBayesianデータ分析

Michal Oleszak

Machine Learning Engineer

線形回帰

$$y = \beta_0 + \beta_1x_1 + \beta_2x_2 + ...$$

$$\text{sales} = \beta_0 + \beta_1\text{marketingSpending}$$

頻度主義:
- $\text{sales} = \beta_0 + \beta_1\text{marketingSpending} + \varepsilon$
- $\varepsilon \sim \mathcal{N} (0, \sigma)$

ベイズ:
- $\text{sales} \sim \mathcal{N} (\beta_0 + \beta_1\text{marketingSpending}, \sigma)$

正規分布

normal_0_1 = np.random.normal(0, 1, size=10000)




sns.kdeplot(normal_0_1, shade=True, label="N(0,1)")



plt.show()

標準正規分布の密度。0でピーク、対称。

正規分布

normal_0_1 = np.random.normal(0, 1, size=10000)
normal_3_1 = np.random.normal(3, 1, size=10000)


sns.kdeplot(normal_0_1, shade=True, label="N(0,1)")
sns.kdeplot(normal_3_1, shade=True, label="N(3,1)")


plt.show()

正規分布の密度。3でピーク、対称。

正規分布

normal_0_1 = np.random.normal(0, 1, size=10000)
normal_3_1 = np.random.normal(3, 1, size=10000)
normal_0_3 = np.random.normal(0, 3, size=10000)

sns.kdeplot(normal_0_1, shade=True, label="N(0,1)")
sns.kdeplot(normal_3_1, shade=True, label="N(3,1)")
sns.kdeplot(normal_0_3, shade=True, label="N(0,3)")

plt.show()

標準正規分布の密度。0でピーク、対称。

ベイズ回帰モデルの定義

$$\text{sales} \sim \mathcal{N} (\beta_0 + \beta_1\text{marketingSpending}, \sigma)$$

$$\beta_0 \sim \mathcal{N} (5, 2)$$

$$\beta_1 \sim \mathcal{N} (2, 10)$$

$$\sigma \sim \mathcal{Unif} (0, 3)$$

マーケティングなしで売上は5000を想定。
支出が1000増えるごとに売上は2000増を想定。
標準偏差には一様事前分布（値が不明なため）。

回帰パラメータの推定

格子近似 → パラメータが多いと非現実的
共役事前分布を選び既知の事後からシミュレーション → 直感的でない事前
第三の方法: 非共役でも事後分布から直接サンプリング！
ここではパラメータのサンプルは与えられていると仮定

事後分布のプロット

$$\text{sales} = \beta_0 + \beta_1\text{marketingSpending}$$

print(marketing_spending_draws)

array([9.6153, 8.9922, ..., 4.59565])

import pymc3 as pm

pm.plot_posterior(
  marketing_spending_draws, 
  hdi_prob=0.95
)

平均と信用区間が示された密度プロット。

事後サンプルの分析

posterior_draws_df = pd.DataFrame({
    "intercept_draws": intercept_draws,
    "marketing_spending_draws": marketing_spending_draws,
    "sd_draws": sd_draws
})

print(posterior_draws_df)

       intercept_draws  marketing_spending_draws      sd_draws
count     10000.000000              10000.000000  10000.000000
mean          2.972130                  5.999146      1.337621
std           3.008565                  2.020708      0.471723
min          -8.562093                 -2.842438      0.029643
25%           0.972832                  4.621807      1.003229
50%           3.002940                  5.975067      1.427617
75%           5.020615                  7.362572      1.736310
max          15.228549                 13.258955      1.999834

予測分布

マーケティングに$1000使うと、期待売上はいくらか。

$\text{sales} \sim \mathcal{N} (\beta_0 + \beta_1\text{marketingSpending}, \sigma)$

# パラメータの点推定を取得
intercept_mean = intercept_draws.mean()
marketing_spending_mean = marketing_spending_draws.mean()
sd_mean = sd_draws.mean()


# 予測分布の平均を計算
predictive_mean = intercept_mean + marketing_spending_mean * 1000


# 予測分布からシミュレーション
prediction_draws = np.random.normal(predictive_mean, sd_mean, size=10000)

予測分布

マーケティングに$1000使うと、期待売上はいくらか。

予測売上のベル型密度。約5986でピーク。

回帰と予測を実践しよう！

Pythonで学ぶBayesianデータ分析