NumPyスクラッチで作る一般化線形モデルハンズオン【ロジスティック回帰・ポアソン回帰】

一般化線形モデル（GLM; Generalized Linear Model）はなかなか面白い考え方なのですが、
なかなかとっつきづらい印象を受け、実際に分析を行っている方もなんとなくしか把握しないで
使っているケースも多いのではないでしょうか。

書籍としても「データ解析のための統計モデリング入門」は入門者向けとしては名著だと
思いますが、所々話のつながりが怪しかったり記述が不足だったりで再度読み返すにはしんどいです。

とはいえ、一般化線形モデルの中にはロジスティック回帰やポアソン回帰などのよく使われる
トピックも多く、知っておくと良いと思われる内容です。また導出にあたって用いられる
最尤法は多くの統計・機械学習のアルゴリズムのベースとなっており、しっかりと理解している
だけで見通しが広がります。
そこで今回は、とっつきづらさを感じるGLMをNumPy、SciPyベースで実装してみることで、
イメージをつかんでいただけたらと思います。

実装にあたっては、勾配降下法を用いてロジスティック回帰、ポアソン回帰のパラメータの
推定を行なっていきます。
これを機に一つ高い視点からモデリングを理解するきっかけとしていただけたら嬉しく思います！

※
ベイズ推論の導入についても知りたい方は同日18時半より下記も実施しますので
ご興味ある方は下記もご検討いただけたらと思います。
https://liberal-arts-beginners.connpass.com/event/149324/

10/14（月）
受付： 15:50〜16:00
講義： 16:00〜18:00

※
途中5分ほどの休憩を設ける予定です。

1. 一般化線形モデル概論(30分)
　　線形回帰モデルの復習
　　指数型分布族と正規分布
　　線形回帰モデルから一般化線形モデルへの拡張
　　一般化線形モデルの具体例（ロジスティック回帰、ポアソン回帰）

2. 一般化線形モデルの学習にあたって(30分)
　　最適化復習（解析的な解＆勾配法）
　　ロジスティック回帰における最尤法＆勾配の導出
　　ポアソン回帰における最尤法＆勾配の導出
　　リンク関数の設定にあたって

3. Pythonを用いたロジスティック回帰、ポアソン回帰の実装の解説＆ハンズオン(50分)
https://lib-arts.hatenablog.com/entry/ml_scratch3
https://lib-arts.hatenablog.com/entry/ml_scratch4
上記をベースに実装の解説やハンズオンを行います。

※
全体の流れは変えませんが、細かい時間配分は内容踏まえて変更する可能性があります。
理論の話が長いと大変だと思うので、60分程度にとどめ、残りはハンズオンを行いながら再度
解説する構成でいければと思います。

水道橋駅、神保町駅、九段下駅周辺
千代田区西神田2-7-14 YS西神田ビル2F

線形回帰の理解を前提としますので、下記の記事の内容を把握しているものとして進行します。
https://lib-arts.hatenablog.com/entry/math_nn1
https://lib-arts.hatenablog.com/entry/math_nn2
https://lib-arts.hatenablog.com/entry/math_nn3
https://lib-arts.hatenablog.com/entry/math_nn4

Python環境(3.6系推奨)は自前で構築の上、ご参加ください。
基本的にNumPy、SciPy、Matplotlib、Jupyterが入っていれば進行上問題ないかと思います。

事前知識が欲しい方は、下記を参照ください。
・https://lib-arts.hatenablog.com/entry/ml_scratch3
・https://lib-arts.hatenablog.com/entry/ml_scratch4
・データ解析のための統計モデリング入門（http://hosho.ees.hokudai.ac.jp/~kubo/ce/IwanamiBook.html）
・一般化線形モデル入門[Dobson]（https://www.kyoritsu-pub.co.jp/bookdetail/9784320018679）
・NumPy&SciPy数値計算 実装ハンドブック_7.3節（https://www.shuwasystem.co.jp/book/9784798055442.html）

・3,000円（2時間）

※
・領収書発行の際は事務手数料として追加1,000円のお支払いをよろしくお願いいたします

6名（人数に合わせて調整します、別媒体でも募集していますので申し込み人数は当日参加者数を反映しません）

無断欠席や前日以降のキャンセルに関しては当日人数読めなくなり非常に迷惑なので
基本的に行わないようにお願いします。（直前参加は定員的に問題なければ歓迎です！）
体調不良、職務都合、ご家庭の事情などどうしてものケースは別途ご連絡いただくか、
イベントへのお問い合わせよりご連絡いただけますと嬉しいです。
上記がひどいアカウントに関してはブラックリスト処理を行い以後の参加をお断りさせて
いただきますので、その点だけ予めご了承ください。
（7割以上来れる前提でのお申し込みと前日以降のキャンセルはメッセージでのご連絡を
いただくということだけ気をつけていただければ大丈夫だと思います）

モチベーションの高い参加者の方を重視する運営としていきたいと考えています。
ご協力のほど、よろしくお願いいたします。