FC2ブログ
12«1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.20.21.22.23.24.25.26.27.28.29.30.31.»02

たまひびとらの絵本の実

読書好きな姉妹と弟と父母の読んだ本

インドが変える世界地図 

indiagakaerusekaitizu.jpg
インドが変える世界地図
インドが変える世界地図

インドの現状、そしてどうやって現状に至ったかがコンパクトにまとまっている良書。薄い本だけど内容は濃い。
世界最大の民主主義国だからこそ身動きがとれなかった。民主主義では多数が強い。インドの多数は農家であり貧者。インドでは有権者の支援を得るための数々のバラマキ(農家への補助金など)が横行。労働者を守る強い法律が製造業の発展を妨げる。インフラ整備をしようにも、土地取得も難しい。強い地方政府は中央政府の言うことを聞かない。経済が成長しても、農村部の指示が得られなければ政権の継続は難しくなる。そうでなくても生活に不満を持つ人が多く、政権の継続は難しい。改革ならなおさら。
しかし1991年の経済危機(世界で社会主義が破綻)を経て、インドも市場と競争を重視する方向に動き出す。それから数回の政権交代を経て出てきたのが改革派モディ。モディのもとでインド経済は動き出している。倒産法 IBC もすごいインパクトあるもんね。

スポンサーサイト



category: 父の本

cm 0   tb 0   page top

襲われて―産廃の闇、自治の光 

osowaretesannpainoyami.jpg
襲われて―産廃の闇、自治の光
襲われて―産廃の闇、自治の光

新町長となった著者は町の産廃処理場計画の問題に気づき、町民に産廃処理場建設是非を問う場を作る。その過程で、産廃推進派から疎まれ、殺人未遂的暴力を受けることとなる。喉まで出かかっているのが、この殺人未遂を行わせたのがその産廃処理業者なのではないか、というところ。実際そうとしか思えない。著者に対する盗聴に関わり、反社勢力と親密な関係を持ち、産廃処理場実現のために脅し的な圧力をかけていた産廃業者。この産廃業者は、それまでの産廃処理で得たカネを元に、国または岐阜県の政治力を得て、県と共同で、この町に産廃処理場建設をゴリ押ししようとした、しかし権力ゴリ押しに屈しなかった著者=町長に強烈な暴力をふるうに至った、という構図に見える。金力、権力、暴力。国が行いたくない汚れ仕事をやることに一定の価値はあると思うけど、だからといって暴力+他の犯罪は認められない。

category: 父の本

cm 0   tb 0   page top

時系列解析: 自己回帰型モデル・状態空間モデル・異常検知 (Advanced Python) 

jikeiretukaisekiadvancedpython.jpg
時系列解析: 自己回帰型モデル・状態空間モデル・異常検知 (Advanced Python)
時系列解析: 自己回帰型モデル・状態空間モデル・異常検知 (Advanced Python)

状態空間モデルの章に進む。状態空間モデルのコンセプトそのものは難しくない。観測値の裏には見えていない「状態」があって、時系列に動く状態に基づいて観測値が出てくる、というもの。状態は時系列の状態の式(システムモデル)。観測値は状態を含む観測値の式(観測モデル)。正確な定義はわかんないけど、時系列なのは見えていない状態システムモデル、そこから見えてくるのが観測値、という理解。

状態を一期ずつ推定する時系列解析手法がカルマンフィルター。状態推定値を状態方程式で予測しつつ、実際の観測値で状態推定値を調整(カルマンゲインによる修正)してやる。こちらの方がカルマンフィルターの考え方をわかりやすく説明されている。カルマンフィルター行列式の導出はこのサイトがわかりやすかった。誤差二乗和(誤差ベクトルの転置×誤差ベクトル)を最小化するということは、そのCov行列の対角成分の和を最小化することと同じなので、Cov行列トレースの微分を行う。

カルマンフィルターの前提は、すべてのランダム要素が正規分布であること。正規分布の和は、正規分布の再生性により正規分布となるので、μと分散行列を求めていけば、確率分布が決まっていく。

さて python 実装はこちらの方が大変わかりやすかった。予測、カルマンゲイン、調整後予測を print しつつ動かすとなおわかりやすい。本書の状態空間の章では、モデルに季節調整が加わり、ARが加わり、とにかくどんどん複雑になる。P111のエラーは解決できなかった。

粒子フィルタはモンテカルロだね。解析的手法じゃない。観測値と比べながらより確率の高い粒子を多くサンプリングして一期ずつ進む。

隠れマルコフモデル(HMM = Hidden Markov Model)もコンセプトそのものは難しくない。隠れている状態と見える観測があるんだけど、状態の推移が連続的でなく離散的。ここをマルコフ過程とする(推移確率行列で離散的に決まっていく)。マルコフ過程の初期値は別途決めてやる。そのマルコフ過程で進む状態から、出力確率に基づいて出力されて見えるのが観測値。ここの数式はもう少し丁寧に説明してほしかった。

EMアルゴリズムは、パラメーターの推定で解析解を求めることが難しい場合に用いられる。HMMの対数尤度計算では log の中に和があり計算が進まない。そこで、Expectation step ではパラメータを固定したベースで負担率(潜在変数の事後分布という言い方はわかりにくいよね)を求め、Maximization step では計算した負担率での尤度を最大化するパラメータを求める。EとMを交互に繰り返して、収束を待つ。数式の展開はこのページが分かりやすそう(でも長いのですっとばし)。EMについては前に読んだこの本の第9章がわかりやすいと思う。

最終章の異常検知。外れ値、変化点、集団的異常を検知する。最初の Change Finderというライブラリを使うと、ARモデルを使って、変化のスコアを計算し、変化スコアが高くなったところを探す。次のBayesian Online Change Point Detector はまったく意味不明だった。出てくる変数とか理解不能。最後は深層学習のRecurrent Neural Network (RNN)の利用。RNNは時系列分析に適しているらしい。正直なところ最終章はついていけなかった。

================================================================

時系列分析:データ(観測値)の並び順の法則を調べるのが時系列分析。

定常 (stationary) と非定常 (non-stationary):定常データはランダムに見えても一定の確率法則に従っているので、統計分析が可能。非定常データは確率法則に従っていないので、統計分析が難。非定常データでも、各期の差をとった差分列は定常の可能性もある(差分が定常ならば、そのデータ列も一定の確率法則に従っていたということだ)。ADF検定でデータが定常か非定常かを調べられる。

モデル:時系列分析では、観測値が一定の確率法則に基づく構造に従っていることを仮定する。その確率過程の構造を時系列モデルと呼ぶ。しかしあくまで仮定モデルであり、真のデータのふるまいを示しているとは限らない。モデルに従った確率変数列が定常性を持つモデルもあるし、非定常となるモデルもある。以下代表的なモデル。

AR model, Auto Regressive model : k期前の自己との相関を持つモデル。|φ|<1ならば、AR(1)モデルに従う確率変数列は定常性を持つ。式展開をすれば自明で、φが絶対値1を超えれば確率変数列は発散する。ここでちょっとこんがらがってるんだけど、ARモデルは、定常データしか扱えない(つまりモデルに従った確率変数列が非定常になりえても、そのモデルで分析できるデータは定常だけ、ということらしい)。
Yt = c + φ*(Yt-1) + εt where εt~N(0, σ squared)
YtとYt, YtとYt-1, YtとYt-2といったCovを求めていくと、各次数ごとの相関係数の連立方程式が出来上がる。その連立方程式をユール・ウォーカー方程式といい、それを解くことで相関係数が求まる。相関係数を係数に持つp次方程式は特性方程式とよばれる。
ラグ次数はAIC最低値を持つ次数で決める。AICは尤度が高く、パラメタ数が小さいものをよいとする。

MA model, Moving Average model : なんでも移動平均と呼ぶのかわからないけど、現在と過去のεの線形和で表すモデル。
Yt = c + εt + θ*(εt -1) where εt~N(0, σ squared)
MA過程は常に定常。

ARMA model, Auto Regressive Moving Average model : ARとMAの合体。ARのφ次第で、ARMAに従った確率変数列は定常であったり非定常であったりする。

ARIMA model : ARMAにデータ間の差分 I (Integrated)を加えたモデル。ARのラグ数p、MAのεを含む期数のq、差分の階数d、でモデルが決まるのでARIMA (p, d, q)過程とされる。差分が2階であれば、差の差、ということ。

SARIMA model : ARIMAにSeasonalが付いたもの。SARIMA (p, d, q, P, D, Q, s)とされ、7つのパラメーターでモデルが決まる。sは季節階差。(p, d, q)は時系列におけるARIMA. (P, D, Q)は季節性を分析するためのARIMA. パラメーターが多く、莫大な数のモデルが存在することになってしまう。

Vector Auto Regressive model : ARモデルをベクトル・行列形式で表したもの。複数の時系列データをまとめて取り扱うことができる。複数の時系列データ間のラグ相関も行列計算で反映される。

以下モデル関連

単位根過程:データ原系列は非定常過程だが、差分系列が定常過程であるもの。AR特性方程式が1を解としても持つ。ARモデルにおける非定常過程では単位根過程だけ気を付ければよい。単位根過程同士のデータ間には見せかけの関係が見えてしまうことがある。

グレンジャー因果:VARモデルにおける、複数の時系列データ間に関係があるかを調べる(いわゆる真の因果ではない)。因果関係ありと仮定したSum of Squared と因果関係なしと仮定したSum of Squared をF検定。

category: 父の本

cm 0   tb 0   page top

When you reach me  

whenyoureachme.jpg
When you reach me
When you reach me

やさしい本だけど、最後にあれっとなるよ。読んでから考えると、あーそうかとなる。

とら

category: とらの本

cm 0   tb 0   page top

スノーデン 独白 消せない記録 

snowdenpermanentrecord.jpg
スノーデン 独白 消せない記録
スノーデン 独白 消せない記録

いい本だ。おすすめ。本書を読んでやっとスノーデンのやったことが理解できた。スノーデンは米国政府が犯罪(憲法違反である国民の監視)を犯していることを発見し、人生を賭けて、国・国民のために内部告発を行ったのだ。世界最強国のインテリジェンスの秘密を暴露するのは本当に命懸けだ。
当初のインターネットは人々のコミュニティだったが、インターネットはその利便性と合わせて個人情報収集に使われるようになり(たとえばフェイスブック)、統治サイドからすれば監視手段となった。スノーデンが暴露したXKeyscoreで個人をサーチすれば、その個人の全オンライン活動をリアルタイムに調べることができる。つまり、あなたの全メール、見ている全サイト、全チャット、全位置情報(ということは誰と会っていたかも含まれる)、などを見ることができる。国家による監視は、テクノロジーの発展によりとんでもないレベルまで来た。
IT影響力は爆発的だ。米国政府の超極秘情報を、シスアド(IT管理者)だったスノーデンは見ることができた。シスアドの権限は組織図よりもずっと大きいのだ。スノーデンが働いていたCIAだって以前はHUMINT(ヒューマン・インテリジェンス)的な職員が多かったはずだが、今や主流はSIGINT(ITインテリジェンス)だろう。国際政治学修士よりも、高校も卒業していないITオタクの方が価値がある時代に移りつつある。
スノーデンの彼女もすごいね。自分の彼氏が国の超重大内部告発を行い、世界的なお尋ね者になり、ロシア亡命生活を送っていて、自分もFBIなどに付け回され、それでもロシアに行って結婚するとはね。

category: 父の本

cm 0   tb 0   page top

将棋の子 

「聖の青春」の作者のまたまた棋士の本。個人的には「聖の青春」の方が好きだけど、本当将棋の世界って究極に自分を追い詰めて極めるだけに迫力があるだけでなく、薄っぺらでない生死を極めるほどの人生哲学が浮き出ることが多く尊敬以外に言葉がない。ちょっとだいぶ前に読んでアップ忘れてました。

category: 母の本

cm 0   tb 0   page top

小箱 

kobako.jpg

大好きな小川洋子さんの本がまたまた昨年の年末に出てたようで、年始早々シンガポールの図書館で見つけて踊らんばかりに借りてきた「小箱」。しかし残念ながら、あれ?なんかちょっとヒットしないというか、うーんこの本はなんなんだろう?という感じでした。最近すごく体調を悪くして、その間に読んだから私の感性のアンテナがピンと建てられない状態だったからなのか、それともたまたまこの題材にヒットしないのかよくわからないけど久々のはずれでした。残念。もう一冊読みかけの小川さんの本があるのでそっちを期待しよう。。。

category: 母の本

cm 0   tb 0   page top

グレートトラバース 他 

meizan.jpg  hitofude.jpg


前から読みたいと思ってた山登りガイドの王道?深田さんの「日本百名山」。でもいざ読んだら、古~い。なんだか読みにくいし昭和初期のおじいさんの本という感じで興味のある山だけ走り読み。うーん これは読みにくいということで、気分を変えて最近の人の百名山記はどうだろうと「グレートトラバース 日本百名山ひと筆書き」を読んでみたものの、こちらもいまいちでした。カヤックと歩きでひたすら百名山を登るという内容なのだが、あまりに百名山を自足で期間内(冬山になる前に)行くために、山を堪能する部分は全くなくとにかく目標遂行のみのための山登りなので、読んでいてもつまらなかった。山の良さは何も書かれておらず、山の本ではなくマラソンとかトレイルランの本と割り切ればおもしろいのかもしれません。

category: 母の本

cm 0   tb 0   page top

義足と歩む ルワンダに生きる日本人義肢装具士 

ruwanda.jpg


友人がルワンダに住んでいたこともあり何気なく図書館から借りてきた一冊「義足と歩む」 。長男が読むのにちょうどいいかなと思って借りたもののあまり当の本人は読む様子もないので、読んでみました。日本人女性がひょんなことから始めたとはいえ、ルワンダの激動の時代をここまで人生をかけて仕事する彼女(夫婦)の姿はすばらしい。世界にはほんとにいろんな国でいろんなことをして活躍している人がいるんだなとつくづく感じます。まだまだいろんなこと頑張らなくてはなと勇気づけられる本です。

category: 母の本

cm 0   tb 0   page top

中国抗日ドラマ読本 

kokunitidramadokuhon.jpg
中国抗日ドラマ読本
中国抗日ドラマ読本

本書を開いてみると、実際に抗日ドラマを見たくなる。中国動画サイト youku でサーチすると「孤島飛鷹」は見れたけど、見れないものも多い。youku で出てきた中国語を youtube に入れると、なんとほとんど youtube で見れるじゃん。ということで「抗日奇侠」「铁血刀锋」「终极对决」+他をそれなりに見てみる。確かに敵は日本軍であり、日本軍の非道ぶりをドラマチックに演出している。でも、抗日ドラマは反日というよりエンタメ。エンタメでバトルなんだから敵は必要だし、非道な敵なら都合よい。エンタメだから、めちゃくちゃな設定とか、つっこみどころも多々ある。抗日ドラマが本当に反日なら、youku のサイト上位に日本アニメのNARUTOは入らないでしょ。個人的には日本の戦隊ものに近いものを感じた。見た中でおもしろそうだなと思ったのはやはり「抗日奇侠」。日本軍対カンフー達人。

category: 父の本

cm 0   tb 0   page top

訪問者数

カテゴリ

最新記事

最新コメント

最新トラックバック