石田基広のレビュー一覧

手を動かして学ぶ 生成AI使い方入門

石田基広 / 鳥井浩平

手を動かす前の説明も秀逸

ただコードを動かすだけでなく、初学者を意識してか、一般的な話や基本的所作の解説がいちいち役に立った。見た目は地味だが、内容のバランスの良い良書。

StanとRでベイズ統計モデリング Wonderful R 2

石田基広 / 松浦健太郎

Stanの日本語マニュアルという感じ。
Stanはネット上にマニュアルがあるものの、手元に置いておくとどう書くんだっけって困った時に参考になる。
事前分布で使用するための分布等も整理してまとめてあるのも非常に良い。
Stanを使って、モデルをどう実装すれば良いかを学べる本。

基礎からわかる時系列分析―Rで実践するカルマンフィルタ・MCMC・粒子フィルタ―

萩原淳一郎 / 瓜生真也 / 牧山幸史 / 石田基広

主に状態空間モデルの教科書で，実装と理論バランスよく揃えている。馬場『時系列分析と状態空間モデルの基礎: RとStanで学ぶ理論と実装』と並行すれば初心者卒業には十分だろう。

それはあくまで偶然です 運と迷信の統計学

ジェフリー S ローゼンタール / 石田基広 / 柴田裕之

いや素晴らしい。統計学は難しいという印象しかなかったが、この本に出会えて良かった。筆者は筋金入りの無神論者で合理主義で、多才であらゆる面を統計学に昇華させて執筆した印象を受ける。読みやすいのはそのせいではないか。「私たちは、自分の不運には特別な意味がないと悟ることができれば、その不運について自分を責めることをやめられるかもしれない。」(p206) ある種の人たちの助けになる一冊だと思える。一つ気になったのは訳のせいか分からないが、女性の方が迷信を信じやすいという印象を持っているのかもしれない。

統計的因果推論の理論と実装 潜在的結果変数と欠測データ

高橋将宜 / 石田基広 / 市川太祐 / 高橋康介 / 高柳慎一 / 福島真太朗 / 松浦健太郎

『欠測データ処理』がわかりやすかったので期待していたが期待に沿った本でした。
コード例などを繰り返し復習したい。

StanとRでベイズ統計モデリング Wonderful R 2

石田基広 / 松浦健太郎

StanとRを使ったベイズモデリングの入門書です。確率統計をある程度理解していることが前提になりますが、確率分布が分かりやすくまとめられている章があり、徐々に難易度を上げてモデルが複雑化していく流れで、ほぼすべてのStanとRのコードが書籍に書かれており、さらにコードはGitHubに公開されています。ベイズモデリング基本を学ぶのにオススメです。

StanとRでベイズ統計モデリング Wonderful R 2

石田基広 / 松浦健太郎

[考える]

わかりやすい

数理モデルてなに？というレベルの私でも図やコードがたくさん載ってるので無理なく読めました。
情報量が多いので繰り返し読む必要があると思いますが良書です。

StanとRでベイズ統計モデリング Wonderful R 2

石田基広 / 松浦健太郎

Stanのチュートリアルとして読み始めたが、理論面の解説、特に、確率分布の解説が非常にわかりやすかった。
数式もさることながら直感的な理解につながるような説明、かつ、各分布のパラメータや出力される変数が綺麗にまとまっており、理解が進んだ。

ベイズ統計の理解を目的としていない人でも、統計学初学者にはぜひ手に取ってほしい内容だった。

とある弁当屋の統計技師(データサイエンティスト) ―データ分析のはじめかた―

石田基広 / りんと

統計の基本概念、方法論が丁寧に解説してあって、面白く読めた。でもわかりやすく、平易にと考えた分だけ、細かい部分があいまいになった感があって、ちょっともどかしい感じだったかな。忘れかけていた統計を勉強し直してみたくなった。

それはあくまで偶然です 運と迷信の統計学

ジェフリー S ローゼンタール / 石田基広 / 柴田裕之

統計学者である筆者が、カルマや宿命、運命、魔法等、偶然起きた出来事に特別な意味があると思いたい、過度な解釈を加えてしまう人間の性に対し、著書の題名通り、それはあくまで偶然ということを、サプライズな出会い、宝くじ、占星術、超感覚的知覚等様々な身近な例を挙げて、統計的な分析と、運の罠を取り上げることで明らかにしていく。人生の面白みや楽しみは半減してしまうが、ただの偶然である可能性と運の罠を理解した上で、起きた出来事や情報に対する正しい判断ができるようにする為にも、知っておくべき内容だと思う。

それはあくまで偶然です 運と迷信の統計学

ジェフリー S ローゼンタール / 石田基広 / 柴田裕之

いや、率直に面白かったです。

統計学の話と聞くと、数式とか数字が出てきてめっちゃ小難しい話と思われがちですが、この本では、そのような事よりも、実際の生活での出来事を統計学の考え方を下に説明するので、“小難しくてわからない”という事はありません。

でもね、宝くじの期待値が、競馬よりも低いことはわかったうえで、夢を買っているんですよとは主張したいwww

Pythonで学ぶ テキストマイニング入門

石田基広

カイニジョウケンテイとコレスポンデンス分析を理解したい、ストップワードで削る、ユーザー辞書など内容語絞る

それはあくまで偶然です 運と迷信の統計学

ジェフリー S ローゼンタール / 石田基広 / 柴田裕之

人間は「魔法」「運命」といった超自然的な現象を信じたがるが、冷静に分析するとなんの変哲もないただの偶然であるということを教えてくれる。

第6章「射撃手の運の罠」で説明される、陥りがちな偶然の運の罠が、世の中で起きる多くの奇跡や幸運を説明する手がかりとなる。

ポイントは、自分にそれが起きればとてもラッキーだが、ランダムな誰かに起きる確率は結構高いという点。

宝くじの高額当選を夢見たり、偶然の出来事に意味を見出すことは社会を生きる上での潤滑油になり得るが、医学の分野や、命に関わる情報に老いては統計的な視点を持ち、冷静な判断をしたい。

それはあくまで偶然です 運と迷信の統計学

ジェフリー S ローゼンタール / 石田基広 / 柴田裕之

つまりは、宝くじに当たるのも人生真っ当に寿命を果たすのも、結局は偶然ということなんだろうな。こうすれば当たるかも、こうすれば悪いことは怒らないかも、という日常は楽しさもあるし安堵感もあるけれど、100%の保証はないわけで。
まぁ、色々な本をこれまでもこれからも読んできたし読んでいくのだろうけれど、日々が満たされた状況は幸せだろうけれど、もう読みたい本がないという状況はやはり自分にとっては不幸なのだが、それでもやはり満たされた日々を過ごしている偶然に、恵まれたいものだな。

それはあくまで偶然です 運と迷信の統計学

ジェフリー S ローゼンタール / 石田基広 / 柴田裕之

生きていれば運が良かったとかついてなかったとかいう経験を何度もすることだろう。この本は、そんな運について因果関係を持たせることが可能かということを、運が良かった人の実際の話、宝くじ、占星術、運にまつわることわざといった例をたくさんあげて、一つずつ解説していく。

人は出来事に対して物語を欲してしまうのだ。それが神を生み、救われることもあれば、争いになってしまうこともある。しかし、科学には物語など必要なくて、出来事はただ起こるだけなのだ。それでももしかしたらと神頼みをしてしまう自分がいる。

StanとRでベイズ統計モデリング Wonderful R 2

石田基広 / 松浦健太郎

初学者からでもなんだかんだで読み解けるけど、統計モデリングがある程度分かってないとなかなか次に進めないのでまずは統計モデリングから。

女子高生乱子によるベイズ統計学入門講座―とある弁当屋の統計技師(データサイエンティスト) 3―

石田基広 / 石田和枝

ラノベ風だけど中身は結構難しいことを扱っているのでさっと読み飛ばす伸ばすってわけにはいかない。また、ベイズ統計とテキスト分析というそれぞれ難しいテーマが入っているからなかなかに難物。それでも手間のかかる積分計算をしっかり順をおって解説してくれるのでありがたい。

これを読んだからといってすぐにベイズ統計が使えるようにはならないけれど、エッセンスを理解して、巻末にある参考文献に当たるといいかも。

とある弁当屋の統計技師(データサイエンティスト) ―データ分析のはじめかた―

石田基広 / りんと

統計の話がデータサイエンティストの物語形式になっていて難しい本とは違い優しく読めた。
専門用語がやはり難しいのだが、内容的には初心者にも理解できると思う。こういう本が増えて欲しい。

Rによるスクレイピング入門

石田基広 / 市川太祐 / 瓜生真也 / 湯谷啓明

データの取得方法に特化している本。xmlやjson形式のデータ整形やAPIの仕組みについてもビギナーにも分かりやすく説明されている。pythonなどの他のプログラミング言語でクローリングやスクレイピングの本は出版されていたが、「R」に特化したスクレイピングの本は珍しいので、Rでデータ取得を考えている人は一読の価値あり。
章ごとで内容は切れているので、興味のあるページが進められる点も良い。
ただ、近年のAPIの動向とその仕様の変更（クローズ）がよくあることにも触れて欲しかった。

とある弁当屋の統計技師(データサイエンティスト) ―データ分析のはじめかた―

石田基広 / りんと

標本平均の平均値、標本平均の標準偏差。
中心極限定理

帰無仮説と対立仮説を建てる。帰無仮説を前提とした場合のｔ値から確率を求める。０．０５未満であれば帰無仮説を棄却する。対立仮説が採択される。

ダミー変数（０か１か）。
自由度＝データ数からパラメータを引いた数。

決定木。

対数は、右肩の乗数を求めること。