時系列分析とRstanを頑張った　7月振り返り - 世界を目指すIT少年の学習記録

7月は引き続き時系列分析系を頑張ったよ　って感じ＆やっぱり復習とか何度も読むのって大事だね　って思った。

7月読んだ本　統計系2冊、仕事系2冊

読んだ本リスト

4月　8冊　

5月　5冊

6月　4冊

7月　4冊

平均　4.25冊⇒年間50冊程度見込み

去年と同じペースだね。まあ妥当でしょう。

イシューからはじめよ―知的生産の「シンプルな本質」

作者: 安宅和人
出版社/メーカー: 英治出版
発売日: 2010/11/24
メディア: 単行本（ソフトカバー）
購入: 48人クリック: 660回
この商品を含むブログ (142件) を見る

おススメ度：５

個人的な傾向としてテクノロジー大好き！かっこいい手法好き！という単純でアホな部分が非常にあり、ソリューションドリブンとなりがちである。

だが、何かしら大きな成果を出したいとき重要なことは、どのように解いたかではなく

「どれくらい大きな課題を解決したか？」

である。それをこの本では体系的にまとめていあり、非常にためになる。

リクルートで学んだリーダーになるための77の仕事術(ゴマブックス)

作者: 小倉広
出版社/メーカー: ゴマブックス
発売日: 2014/12/12
メディア: オンデマンド (ペーパーバック)
この商品を含むブログを見る

おススメ度：４

リクルートという会社の中でどのようなことが行われているか、それを経営者の立場でどう考えるかなどがかかれている。結構面白い

予測にいかす統計モデリングの基本―ベイズ統計入門から応用まで (KS理工学専門書)

作者: 樋口知之
出版社/メーカー: 講談社
発売日: 2011/04/07
メディア: 単行本（ソフトカバー）
購入: 9人クリック: 180回
この商品を含むブログ (12件) を見る

おススメ度：４

こちらの記事↓をやろうと思ったのだが、理論の詳細がわからなかったので、買って読んだ。ちょいちょい数式が難解なところがあって難しかったが図も多くて非常に役に立つ本だった

statmodeling.hatenablog.com

岩波データサイエンス Vol.1

作者: 岩波データサイエンス刊行委員会
出版社/メーカー: 岩波書店
発売日: 2015/10/08
メディア: 単行本（ソフトカバー）
この商品を含むブログ (6件) を見る

おススメ度：５

数式の厳密さには欠けるが、MCMCを試してみたい人にはおすすめ。特にStanコードでどのようにやるかが載っているのが超良い。

Rstan備忘録

ちょいちょいつまづいたりしたので、自分のメモのためにもRstanの備忘録を

なんと素晴らしい先人達がいるものかと改めて感謝の嵐という感じなのですが、Rstanをどうやって導入するか、どうやって使うかとかをいろいろまとめてくださっている人達がいます。

github.com

こちらではStanの英語版のものを有志の方が日本語に訳してくださっています。めっちゃありがたい。

RStanとShinyStanによるベイズ統計モデリング入門 from Masaki Tsuda

www.slideshare.net

これもバリ良い。MCMCで可視化するの大変だけどShinystanというライブラリ使うと、launch_shinystan(モデル名)とやるだけでめっちゃ生かした図とか出てくるで！って話。収束したかしてないかとかもすごい見やすい。

Stan超初心者入門 from Hiroshi Shimizu

www.slideshare.net

こちらもためになるかと。ただ、上記の岩波データサイエンスVol.1のほうがはじめはよさそうだけど。

あと、現在勉強中だけど、コードをベクトル化すると高速になるとかで頑張っているけれども、よくわからない部分がちょいちょいありで、頑張っているなう。

その中でDocumentationの中で参考になった部分を以下引用

ベクトルは整数ではなくRealのみ
ベクトル化すると早くなる理由は三つの理由がある→正直メモリがほにゃほにゃとかは何言っているか一ミリもわからない笑
ベクトル表現だと列優先になるので、For文を扱うときは気をつける

vector, matrixは整数値を返すことはできず, 取り扱えるのはrealに限られています. (注1)

#(注1):Stanにおいて, 複雑な整数行列演算や, ブール行列演算が実行されている際にはこれは変更される場合があります. これは, 整数が行列演算に適切な入力ではないためです.

効率について

ArrayよりもMatrix, vectorの方がメモリの使用料が少ない

Matrixは列優先の順序でデータを格納する→matrix内のすべてのデータはメモリ内で隣接することが保証されます. これは最適化されたコードを考えると大切なことです. なぜなら現代のCPUを使った算術演算を実行することよりもデータをメモリからキャッシュに持っていくことの方がはるかに時間がかかるからです

いずれのデータ構造もデータが保持されている順序でインデックスを移動させると最も速くアクセスできます. メモリ上の位置もアクセス速度に関係します（以下例）
matrixは列優先であるため, 以下の順序でインデックスを移動させるのが適切です.
  matrix[M,N] a;
  //...
  for (n in 1:N)  //列が先
    for (m in 1:M)  //行が後
      // ... a[m,n]を使った計算...
他方, arrayは以下の例のように行優先の順序でインデックスを移動させるべきです（すなわち, 最後のインデックスが最も移動するのが速い）.

real a[M,N]; // ... for (m in 1:M) //行が先 for (n in 1:N) //列が後 // ... a[m,n]を使った計算...