久保先生の「データ解析のための統計モデリング入門」をPythonで実装していきます．
「各チャプターまとめ」 + 「実装方法まとめ」です．
- 1章 データを理解するために統計モデルを作る
- 2章 確率分布と統計モデルの最尤推定
- 3章 一般化線形モデル (GLM)
- 4章 GLMモデルの選択 –AICと当てはまりの良さ–
- 5章 GLMの尤度比検定と検定の非対称性
- 6章 GLMの応用範囲を広げる
- 7章 一般化線形混合モデル (GLMM) (※ Rで実装しています!)
- 著作権の問題を考慮し，本文内容には必要最小限にしか触れません．
- 同様の理由で，教科書のRコードもなるべく写さないようにしています．
- 代わりに，Jupyter Notebookの1ブロックは教科書のコードブロックとほぼ完全に対応しています．教科書があれば容易に比較できるはずです．
- Iris等のサンプルデータはすべて.gitignoreしてあります．
- 変数の命名規則は，たとえPythonicではない場合でも，教科書に合わせてあります．
- 変数名のピリオド (.) はアンダースコア (_) と置換しています．
- 「教科書に記載されたRの出力と等しい」という意味で，チャプターまとめはほぼ間違いなく正しく実装されています．
- 出力が正しいだけで，実装も正しいとは言い切れません．間違いがあればご指摘いただけると助かります．
- 以下は2017年現在，Pythonに対応する機能がありません．
- stepAIC: Rを呼ぶほどでもないので，今回は関数を自作しました (関連記事)
- GLMM: Rで実装しました．
「結局どういうコード組めばいいの」のためのまとめ…になる予定．