Re:モデルによる解析とニューラルネットのハイブリッド

In Reply to: Re:モデルによる解析とニューラルネットのハイブリッド
投稿者:だんぼ - 投稿日時:2001年09月15日 18時28分33秒

Clementine（クレモンティーヌ）と紅茶でブレイクしながら書いてます。美味なり(^-^)

いきなり高度な内容になっちゃいましたね。
研究者でも統計屋でもない私なりに、もうちょっと具体的に理解してみたものを記したいと思います。少しはイメージしやすくなるかな？

ハイブリッドモデルというのは、一言で言うと、複数の分析手法を組み合わせたモデルのことです。
単にひとつの手法だけでモデルを作ることで終わるのでなく、
たとえば、
複数のグループに対してそれぞれ別のモデルを作成する場合
例：階層クラスタ分析や決定木によってクラスタ化された対象ごとに、ロジスティック回帰分析を適用する。

段階的に複数の手法を用いる場合
例：決定木で判断された所属ノードの情報を新しい予測変数としてモデルに組み込む。（=変数情報の集約）

これらをさらに複雑に併用して、
例：ある手法による予測モデルによる予測の一致・不一致のルールをモデル化し、「一致」すると考えられる対象にはその手法を適用し、「不一致」になると考えられる対象には別の手法によるモデルを適用する。

例：あるモデルで説明されなかった部分（残差）を別の手法でさらにモデル化する。

といった場合などもあります。

最後の二つは、各手法によって「こういう母集団の予測の得意だけどこういうのは不得意」という特徴があるから、それらのいいとこ取りをしちゃおう、というものであると言えると思います。
こういうと、”手法ありき”みたいに聞こえるかもしれませんが、つまりは、予測対象がひとつの数理モデルでは十分に表現されないということだから、オロナインさんのおっしゃったように、たとえば「すべての消費者が、単一の行動原理で選択行動をしていると考えるより、多種多様な行動原理に原理に基づいた選択行動が混在している」からこそ、こういうハイブリッドモデルの当てはまりが良くなるということなんだと思います。

いかに予測の精度を上げるか、ということだけに注力していると、ガチガチの複雑なモデルになりすぎて、出来上がったモデルの意味するところ（示唆するところ）がわからなくなってしまう危険性もありますね。とにかく精度の高いモデルさえできればよい場合もありますが、少なくとも心理・社会科学系においては、モデルに走り過ぎず、人間の泥臭いカン・感覚のようなものも大切にしなくてはいけないのではないかなぁと思います。

つまりは、くろ↓のいうとおり！

ハイブリッドを行うことによって予測精度が向上するだけではなく、そのモデルの解釈が十分でき、そして、シナリオ戦略が立てやすくなければ、その利用価値が半減する気がします。

***CLUG Japan 2001 でハイブリッドモデルに言及したご発表のあった先生方の論文をご紹介します***
立教大学社会学部産業関係学科守口剛教授
守口剛(2001):マーケティングにおけるデータマイニングの役割「品質管理」 3月号

明治大学理工学部大滝厚教授
門脇哲男，鈴木教郎，鈴木督久，大滝厚(2000):POSデータへのハイブリッドモデリングの適用「品質」 Vol.6,No.4,pp.109-120

CLUG の感想はまただんぼのページにでも書きますが、いやー、CLEM 7 はこれまでの不満を一気に解決してくれそうですね。でも2002年度かぁ・・・もっと早く出ないかな？？

この投稿へのコメント