Enviar búsqueda
Cargar
Complex network ws_percolation
•
2 recomendaciones
•
2,621 vistas
Yohei Sato
Seguir
Denunciar
Compartir
Denunciar
Compartir
1 de 34
Recomendados
Rでレポートメール
Rでレポートメール
Yohei Sato
傾向スコア解析とUplift Modelling
傾向スコア解析とUplift Modelling
Yohei Sato
Tokyowebmining19 data fusion
Tokyowebmining19 data fusion
Yohei Sato
Rでピボットテーブル
Rでピボットテーブル
Yohei Sato
Uplift Modelling 入門(1)
Uplift Modelling 入門(1)
Yohei Sato
Tokyor24 yokkuns
Tokyor24 yokkuns
Yohei Sato
Tokyor22 selection bias
Tokyor22 selection bias
Yohei Sato
異常行動検出入門(改)
異常行動検出入門(改)
Yohei Sato
Recomendados
Rでレポートメール
Rでレポートメール
Yohei Sato
傾向スコア解析とUplift Modelling
傾向スコア解析とUplift Modelling
Yohei Sato
Tokyowebmining19 data fusion
Tokyowebmining19 data fusion
Yohei Sato
Rでピボットテーブル
Rでピボットテーブル
Yohei Sato
Uplift Modelling 入門(1)
Uplift Modelling 入門(1)
Yohei Sato
Tokyor24 yokkuns
Tokyor24 yokkuns
Yohei Sato
Tokyor22 selection bias
Tokyor22 selection bias
Yohei Sato
異常行動検出入門(改)
異常行動検出入門(改)
Yohei Sato
Japan r2 lt_yokkuns
Japan r2 lt_yokkuns
Yohei Sato
Japan r2 tokyor
Japan r2 tokyor
Yohei Sato
Rで階層ベイズモデル
Rで階層ベイズモデル
Yohei Sato
Tokyor26 data fusion
Tokyor26 data fusion
Yohei Sato
時系列分析による異常検知入門
時系列分析による異常検知入門
Yohei Sato
Tokyo r15 異常検知入門
Tokyo r15 異常検知入門
Yohei Sato
異常行動検出入門 – 行動データ時系列のデータマイニング –
異常行動検出入門 – 行動データ時系列のデータマイニング –
Yohei Sato
RでGARCHモデル - TokyoR #21
RでGARCHモデル - TokyoR #21
horihorio
FIT2012招待講演「異常検知技術のビジネス応用最前線」
FIT2012招待講演「異常検知技術のビジネス応用最前線」
Shohei Hido
R実践 機械学習による異常検知 02
R実践 機械学習による異常検知 02
akira_11
数理的に組み込みソフトを開発する方法入門
数理的に組み込みソフトを開発する方法入門
Toshiyuki Fujikura
Test
Test
基晴 出井
第3回Japan rパネルディスカッション
第3回Japan rパネルディスカッション
Yohei Sato
Tokyor13 - YjdnJlpパッケージとTokyo.R翻訳プロジェクトの紹介
Tokyor13 - YjdnJlpパッケージとTokyo.R翻訳プロジェクトの紹介
Yohei Sato
Sakuteki02 yokkuns
Sakuteki02 yokkuns
Yohei Sato
Tokyowebmining09 初めてでも分かるペアトレード
Tokyowebmining09 初めてでも分かるペアトレード
Yohei Sato
Tokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組み
Tokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組み
Yohei Sato
Tokyor42 ggplot2
Tokyor42 ggplot2
Yohei Sato
Tokyor42_r_datamining_18
Tokyor42_r_datamining_18
Yohei Sato
Tokyo r12 - R言語による回帰分析入門
Tokyo r12 - R言語による回帰分析入門
Yohei Sato
Ml4nlp04 1
Ml4nlp04 1
Yohei Sato
Japan r2 opening
Japan r2 opening
Yohei Sato
Más contenido relacionado
La actualidad más candente
Japan r2 lt_yokkuns
Japan r2 lt_yokkuns
Yohei Sato
Japan r2 tokyor
Japan r2 tokyor
Yohei Sato
Rで階層ベイズモデル
Rで階層ベイズモデル
Yohei Sato
Tokyor26 data fusion
Tokyor26 data fusion
Yohei Sato
時系列分析による異常検知入門
時系列分析による異常検知入門
Yohei Sato
Tokyo r15 異常検知入門
Tokyo r15 異常検知入門
Yohei Sato
異常行動検出入門 – 行動データ時系列のデータマイニング –
異常行動検出入門 – 行動データ時系列のデータマイニング –
Yohei Sato
RでGARCHモデル - TokyoR #21
RでGARCHモデル - TokyoR #21
horihorio
FIT2012招待講演「異常検知技術のビジネス応用最前線」
FIT2012招待講演「異常検知技術のビジネス応用最前線」
Shohei Hido
R実践 機械学習による異常検知 02
R実践 機械学習による異常検知 02
akira_11
数理的に組み込みソフトを開発する方法入門
数理的に組み込みソフトを開発する方法入門
Toshiyuki Fujikura
Test
Test
基晴 出井
La actualidad más candente
(12)
Japan r2 lt_yokkuns
Japan r2 lt_yokkuns
Japan r2 tokyor
Japan r2 tokyor
Rで階層ベイズモデル
Rで階層ベイズモデル
Tokyor26 data fusion
Tokyor26 data fusion
時系列分析による異常検知入門
時系列分析による異常検知入門
Tokyo r15 異常検知入門
Tokyo r15 異常検知入門
異常行動検出入門 – 行動データ時系列のデータマイニング –
異常行動検出入門 – 行動データ時系列のデータマイニング –
RでGARCHモデル - TokyoR #21
RでGARCHモデル - TokyoR #21
FIT2012招待講演「異常検知技術のビジネス応用最前線」
FIT2012招待講演「異常検知技術のビジネス応用最前線」
R実践 機械学習による異常検知 02
R実践 機械学習による異常検知 02
数理的に組み込みソフトを開発する方法入門
数理的に組み込みソフトを開発する方法入門
Test
Test
Destacado
第3回Japan rパネルディスカッション
第3回Japan rパネルディスカッション
Yohei Sato
Tokyor13 - YjdnJlpパッケージとTokyo.R翻訳プロジェクトの紹介
Tokyor13 - YjdnJlpパッケージとTokyo.R翻訳プロジェクトの紹介
Yohei Sato
Sakuteki02 yokkuns
Sakuteki02 yokkuns
Yohei Sato
Tokyowebmining09 初めてでも分かるペアトレード
Tokyowebmining09 初めてでも分かるペアトレード
Yohei Sato
Tokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組み
Tokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組み
Yohei Sato
Tokyor42 ggplot2
Tokyor42 ggplot2
Yohei Sato
Tokyor42_r_datamining_18
Tokyor42_r_datamining_18
Yohei Sato
Tokyo r12 - R言語による回帰分析入門
Tokyo r12 - R言語による回帰分析入門
Yohei Sato
Ml4nlp04 1
Ml4nlp04 1
Yohei Sato
Japan r2 opening
Japan r2 opening
Yohei Sato
Japanr01
Japanr01
Yohei Sato
Tokyowebmining07 初めてでも分かるヘッジファンド入門
Tokyowebmining07 初めてでも分かるヘッジファンド入門
Yohei Sato
エンジニアサポート新年会2012 データマイニングcross 第1部
エンジニアサポート新年会2012 データマイニングcross 第1部
Yohei Sato
Tokyor14 - R言語でユニットテスト
Tokyor14 - R言語でユニットテスト
Yohei Sato
Tokyor10 opening
Tokyor10 opening
Yohei Sato
Tokyor39 yokkuns
Tokyor39 yokkuns
Yohei Sato
Destacado
(16)
第3回Japan rパネルディスカッション
第3回Japan rパネルディスカッション
Tokyor13 - YjdnJlpパッケージとTokyo.R翻訳プロジェクトの紹介
Tokyor13 - YjdnJlpパッケージとTokyo.R翻訳プロジェクトの紹介
Sakuteki02 yokkuns
Sakuteki02 yokkuns
Tokyowebmining09 初めてでも分かるペアトレード
Tokyowebmining09 初めてでも分かるペアトレード
Tokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組み
Tokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組み
Tokyor42 ggplot2
Tokyor42 ggplot2
Tokyor42_r_datamining_18
Tokyor42_r_datamining_18
Tokyo r12 - R言語による回帰分析入門
Tokyo r12 - R言語による回帰分析入門
Ml4nlp04 1
Ml4nlp04 1
Japan r2 opening
Japan r2 opening
Japanr01
Japanr01
Tokyowebmining07 初めてでも分かるヘッジファンド入門
Tokyowebmining07 初めてでも分かるヘッジファンド入門
エンジニアサポート新年会2012 データマイニングcross 第1部
エンジニアサポート新年会2012 データマイニングcross 第1部
Tokyor14 - R言語でユニットテスト
Tokyor14 - R言語でユニットテスト
Tokyor10 opening
Tokyor10 opening
Tokyor39 yokkuns
Tokyor39 yokkuns
Más de Yohei Sato
Tokyor60 r data_science_part1
Tokyor60 r data_science_part1
Yohei Sato
Tokyor60 opening
Tokyor60 opening
Yohei Sato
EasyHtmlReportの紹介
EasyHtmlReportの紹介
Yohei Sato
20131206 japan r
20131206 japan r
Yohei Sato
Tokyor35 人工データの発生
Tokyor35 人工データの発生
Yohei Sato
ドリコムの分析環境とデータサイエンス活用事例
ドリコムの分析環境とデータサイエンス活用事例
Yohei Sato
R言語で学ぶマーケティング分析 競争ポジショニング戦略
R言語で学ぶマーケティング分析 競争ポジショニング戦略
Yohei Sato
Rで学ぶ 傾向スコア解析入門 - 無作為割り当てが出来ない時の因果効果推定 -
Rで学ぶ 傾向スコア解析入門 - 無作為割り当てが出来ない時の因果効果推定 -
Yohei Sato
Más de Yohei Sato
(8)
Tokyor60 r data_science_part1
Tokyor60 r data_science_part1
Tokyor60 opening
Tokyor60 opening
EasyHtmlReportの紹介
EasyHtmlReportの紹介
20131206 japan r
20131206 japan r
Tokyor35 人工データの発生
Tokyor35 人工データの発生
ドリコムの分析環境とデータサイエンス活用事例
ドリコムの分析環境とデータサイエンス活用事例
R言語で学ぶマーケティング分析 競争ポジショニング戦略
R言語で学ぶマーケティング分析 競争ポジショニング戦略
Rで学ぶ 傾向スコア解析入門 - 無作為割り当てが出来ない時の因果効果推定 -
Rで学ぶ 傾向スコア解析入門 - 無作為割り当てが出来ない時の因果効果推定 -
Complex network ws_percolation
1.
WSモデル上の
パーコレーション解析 @yokkuns: 里 洋平 yohei0511@gmail.com 2012.05.23 複雑ネットワーク勉強会 2012年5月23日水曜日
2.
本日の内容
複雑ネットワーク - 基礎から応用まで - 8.4 WSモデル上のパーコレーション - 2012年5月23日水曜日
3.
AGENDA
◆ 自己紹介 ◆ パーコレーションとは ◆ WSモデル上のパーコレーション 2012年5月23日水曜日
4.
自己紹介
時系列解析や異常検知などの方法論を 実ビジネスに適用するデータマイニングエンジニア ◆ 名前: 里 洋平 ◆ ID : yokkuns ◆ 職業: データマイニングエンジニア ◆ 統計解析 パターン認識 機械学 習 データマイニング NLP 金融工学 などを勉強中 2012年5月23日水曜日
5.
活動例: 勉強会の主催・執筆
Tokyo.R主催 パッケージ本執筆しました! 2012年5月23日水曜日
6.
活動例: 動画レコメンド
閲覧されている動画の情報を用いておすすめ動画を表示する 2012年5月23日水曜日
7.
活動例: 市場予測
Web上の情報から市場予測 2012年5月23日水曜日
8.
活動例: 異常検知
Anomaly detection 複数時系列から異常な振る舞いを検知する C A 時系列のモデリング 複数時系列の異常検知 B 時系列A 時系列A 異常な振る舞い 時系列B 時系列C 時系列B 時系列C 異常な振る舞いの時系列を検出 例1:トラフィック異常検知 例2:CM効果のノイズ除去 トラフィックA ケースA CM効果 トラフィックB ケースB トラフィックC 調査 ケースC 異常な振る舞いをしている 異常な振る舞いをしているケースを トラフィックの原因を調査する 除外して、CMの効果を算出する 85 2012年5月23日水曜日
9.
活動例: 時系列解析と異常検知
Anomaly detection 新しいデータと過去時系列モデルの乖離から異常検出 8000.0000 異常スコア推移 モデル構築 3.0000 異常値 ◇例 : ARIMAモデル 2.2500 5970.7500 1.5000 0.7500 3941.5000 0 異常スコアの算出 -0.7500 ◇例 : 対数損失 1912.2500 -1.5000 -2.2500 -117.0000 -3.0000 t 4/ 週 4/ 1週 4/ 8週 5/ 週 5/ 週 5/ 週 5/ 週 5/ 週 6/ 週 6/ 週 6/ 週 6/ 週 7/ 週 7/ 週 7/ 週 7/ 8週 週 4 25 2 9 16 23 30 6 13 20 27 4 11 25 1 1 1 4/ 86 2012年5月23日水曜日
10.
活動例: 時系列解析と影響分析
TV Commercial Effects 時系列的な振る舞いの特徴から各KPIへのCMの影響度を算出 イベン CM時系列 ト 新規 登録 CM ARPP U ARPU 各KPIの時系列 その他 外部 継続率 要因 ケース 87 2012年5月23日水曜日
11.
活動例: データマイニングCROSS 2012年5月23日水曜日
12.
AGENDA
◆ 自己紹介 ◆ パーコレーションとは ◆ WSモデル上のパーコレーション 2012年5月23日水曜日
13.
ネットワーク上の感染伝搬モデル
ネットワーク上の感染伝搬は、感染の種類だけでなく ネットワークの構造も大きく影響している 感染症の種類 昔 今 ペスト じわじわと前線が進む 飛びながら速く広がる?! インフルエンザ じわじわと前線が進む? 飛びながら速く広がる ペストがはやった"#世紀と現代では、人のネットワーク構造が異なる! !!!!・ 昔は高速移動手段がなかったため平均距離$が大きかったため、広がるのが遅かった! !!!!・ 現在は、飛行機などの存在により、$は小さいため、急速に広がる! ! !!!!⇒!感染症の種類よりもネットワークの構造が帰結を決める 2 2012年5月23日水曜日
14.
パーコレーション
空間構造をもち、時間を持たない確率モデル 森林火災、感染症、噂の伝搬など様々な伝搬現象を表す 3 図!"#$%!&&#'()%*+),-./01-2'(&(.*3*1*(*&4)5)*42#&6786%)42'&%)42'9*:'.-#;( 2012年5月23日水曜日
15.
パーコレーションの種類
頂点に黒石 or 白石を置くサイト・パーコレーションと 枝に黒石 or 白石を置くボンド・パーコレーションがある 4 2012年5月23日水曜日
16.
相転移と臨界確率
数値計算や近似計算によって、臨界確率を境に 浸透が起こりやすくなる事が分かっている θ(q) θ(q) qc 図!"#$%!&&'''()*+,-*),(.%&)*+,-*),&/01)2*31+14,56782-9,:1;,< 5 2012年5月23日水曜日
17.
AGENDA
◆ 自己紹介 ◆ パーコレーションとは ◆ WSモデル上のパーコレーション 2012年5月23日水曜日
18.
WS上のパーコレーション概要
枝をつなぎ変える程 平均距離Lが小さくなるため 臨界確率 qc が小さくなり 浸透が起こりやすい 2012年5月23日水曜日
19.
黒石の連結成分の大きさの平均を求めたい
黒石の連結成分の大きさがN となる確率P(N )から期待値を計算する P(N )はつなぎかえ確率pの値によって変化し 直接評価するのが難しいため母関数を用いて考える 黒石の連結成分の大きさの平均が の時 ネットワーク全体に浸透が起こる 直接求めるのは難しいため母関数を考える 2012年5月23日水曜日
20.
母関数のアプローチ
輪に沿った連結成分(ローカルクラスタ)と ショートカットによるそれらの結合の様子を考える 2012年5月23日水曜日
21.
完全クラスタの構成要素
ショートカットも含めた成分(完全クラスタ)は 1個のローカルクラスタと複数の完全クラスタの結合で表現出来る 2012年5月23日水曜日
22.
完全クラスタの母関数
完全クラスタは、以下のように表現出来る また、その母関数をH0(x)とする = n1 + n1 + n1 +・・・ + N + + +・・・ N N 完全クラスタ +・・・ ローカルクラスタ 2012年5月23日水曜日
23.
完全クラスタの母関数
ローカルクラスタのサイズがN の時に注目する 各項に完全クラスタがあり、その母関数もH0(x) = n1 + n1 + n1 +・・・ + N + + +・・・ N N 完全クラスタ +・・・ ローカルクラスタのサイズがN の条件の元で ショートカットの数がm個の成分 ローカルクラスタ 2012年5月23日水曜日
24.
完全クラスタの母関数
母関数は、ローカルクラスタの分布と ショートカットによる完全クラスタとの結合の分布の式で書き下せる 2012年5月23日水曜日
25.
完全クラスタの母関数
母関数は、ローカルクラスタの分布と ショートカットによる完全クラスタとの結合の分布の式で書き下せる m個の完全クラスタの 母関数 ローカルクラスタのサイズが ローカルクラスタのサイズがN の条件の元で N になる確率 ショートカットの数がm個になる確率 2012年5月23日水曜日
26.
ショートカットがある確率
ネットワーク全体ではショートカットの数は、p<k>N/2本 端点は2 p<k>N/2 = p<k>N個 二項定理を用いて長さNの輪のうちN の部分に端点がm個入る確率を表す mこの端点の 端点がm回 端点が(総数-m)回 N内の位置の組み合わせ数 N に入る確率 N 以外に入る確率 2012年5月23日水曜日
27.
ローカルクラスタの確率
輪に沿って右側に黒石によって進む事が出来る確率を用いて ローカルクラスタの確率を表す 2012年5月23日水曜日
28.
ローカルクラスタの確率
輪に沿って右側に黒石によって進む事が出来る確率を用いて ローカルクラスタの確率を表す 最初が黒石である確率 右側にN -1回 ローカルクラスタの 最初の石がローカルクラスタの 辿れる確率 両端の先が全て白石である確率 どこでも良いことを意味する それなりに荒い近似 2012年5月23日水曜日
29.
母関数の展開
完全クラスタの部分を整理して展開する ※ 2012年5月23日水曜日
30.
連結成分の大きさの平均の算出
母関数をxについて微分してx=1で連結成分の大きさの平均になる x=1を代入 H0(1) = 1より 2012年5月23日水曜日
31.
計算の補足
x=1を代入 2012年5月23日水曜日
32.
パーコレーションの臨界確率
臨界確率は、連結成分の大きさの平均が無限大になるところ pはWSモデルのつなぎかえ確率なので我々が与える 最終的にqcだけの式になるので、数値計算で求める 2012年5月23日水曜日
33.
臨界指数
ベキ指数が連結成分の大きさ以外の様々な変数についても求まる このようなベキ指数を相転移の臨界指数という 2012年5月23日水曜日
34.
AGENDA
◆ 自己紹介 ◆ パーコレーションとは ◆ WSモデル上のパーコレーション 2012年5月23日水曜日