意思決定分析

Pythonで学ぶBayesianデータ分析

Michal Oleszak

Machine Learning Engineer

意思決定分析

意思決定者は、利益最大化、コスト削減、命の救済などを重視します。

注射器と紙幣3枚、数字99%。矢印が1人のアイコンを指す。

意思決定分析

意思決定者は、利益最大化、コスト削減、命の救済などを重視します。

注射器と紙幣1枚、数字98%。矢印が人々のグループを指す。

意思決定分析 → 意思決定に役立つよう、パラメータを関連指標へ翻訳

事後分布から意思決定へ

戦略的な意思決定には、各シナリオの確率を把握する必要があります。
ベイズ法は、パラメータを関連指標へ容易に変換できます。

クリック率の分布を表すアイコン。

事後分布から意思決定へ

戦略的な意思決定には、各シナリオの確率を把握する必要があります。
ベイズ法は、パラメータを関連指標へ容易に変換できます。

クリック率の分布アイコン ×「インプレッション」。

事後分布から意思決定へ

戦略的な意思決定には、各シナリオの確率を把握する必要があります。
ベイズ法は、パラメータを関連指標へ容易に変換できます。

クリック率の分布アイコン ×「インプレッション」×「クリック当たり収益」。

事後分布から意思決定へ

戦略的な意思決定には、各シナリオの確率を把握する必要があります。
ベイズ法は、パラメータを関連指標へ容易に変換できます。

クリック率の分布アイコン ×「インプレッション」×「クリック当たり収益」＝収益分布アイコン。

事後収益

# Different revenue per click
num_impressions = 1000
rev_per_click_A = 3.6
rev_per_click_B = 3


# Compute number of clicks
num_clicks_A = A_posterior * num_impressions
num_clicks_B = B_posterior * num_impressions


# Compute posterior revenue
rev_A = num_clicks_A * rev_per_click_A
rev_B = num_clicks_B * rev_per_click_B

2つの密度プロットがやや重なっている。

2つの密度プロットが大きく重なっている。

フォレストプロット

import pymc3 as pm


# 事後サンプルを辞書にまとめる
revenue = {"A": rev_A, "B": rev_B}


# フォレストプロットを描画
pm.forestplot(revenue)

2本の線で各分布を示すプロット。線の長さは94%信用区間。

フォレストプロット

import pymc3 as pm

# 事後サンプルを辞書にまとめる
revenue = {"A": rev_A, "B": rev_B}

# フォレストプロットを描画
pm.forestplot(revenue, hdi_prob=0.99)

2本の線で各分布を示すプロット。線の長さは99%信用区間。

意思決定を分析しましょう！

Pythonで学ぶBayesianデータ分析