古川 拓磨

  • イノベーション普及理論 #2:情報の拡散と購買の拡散の2段階を考慮した拡張Bassモデル

    はじめに 前回のブログでは、洗濯機やテレビ等の耐久消費財が普及する過程をマクロに記述するBassモデルについて見ていきました。 今回のブログでは、Bassモデルの2種類の拡張モデルを考察し、トライブの普及シナリオに関する...
    古川 拓磨
    Written by
    古川 拓磨 (Furukawa Takuma)
    SEEDATA Technologies
  • イノベーション普及理論 #1:Bass Modelによる新製品普及のモデリング

    はじめに 新製品が世の中に広く普及していく過程は、一体どのようなものでしょうか。これについて考える学問を普及学(Diffusion of Innovations)と呼びます。製品の普及を考えるとき、多くの場合、対象として耐久消費財、す...
    古川 拓磨
    Written by
    古川 拓磨 (Furukawa Takuma)
    SEEDATA Technologies
  • 消費行動の統計モデリング #5:マーケティングにおける回帰モデルの例

    購買の行動や意思決定にまつわるビッグデータの出現や消費者の多様化が進む中、企業のマーケティング活動においてはミクロな市場に対して理解を深め、的確なインサイトを突いた訴求を実現することが求められています。SEEDATAでは定性的なリサ...
    古川 拓磨
    Written by
    古川 拓磨 (Furukawa Takuma)
    SEEDATA Technologies
  • ナイーブベイズ:Pythonによるスパムフィルタの実装

    ナイーブベイズは文書データの分類に用いられる手法で,単純な理論ながら高いパフォーマンスを誇ることで知られています.このページでは,ナイーブベイズのPythonによる実装方法を解説していきます.

    古川 拓磨
    Written by
    古川 拓磨 (Furukawa Takuma)
    SEEDATA Technologies
  • ナイーブベイズの推論プロセス

    ナイーブベイズ:カテゴリ数が一般の場合の式展開

    ナイーブベイズでは,事後確率を最大化します(MAP推定).事後確率は,尤度と事前確率の積に比例しますから,事後確率を最大化するには,尤度×事前確率を最大化します(ちなみに,事前確率を考慮にいれず,尤度を最大化するのが最尤推定です).尤度は,訓練データから最尤推定した変数から,ナイーブな仮定とイベントモデルの導入により推定します.事前確率は,訓練データからそのまま最尤推定します.最尤推定を補正するのが平滑化(スムージング)です.

    古川 拓磨
    Written by
    古川 拓磨 (Furukawa Takuma)
    SEEDATA Technologies