【脱・挫折】迷えるデータサイエンティストのための「ベイズ統計学」スッキリ解説

「ベイズ統計って結局何が凄いの？」と頭を抱えているデータサイエンティストは少なくありません。本記事では、直感的に理解しにくいベイズの考え方の本質を、初心者でもスッキリ理解できるように分かりやすく解説しています。数学の迷路を抜け出して、ベイズを実務の武器にしましょう。

ラファエル・イリザリーが10年以上前にうまく言ってたと思う。歴史的には自称「頻度主義者」と「ベイズ主義者」の間に確執があったけど、現代の統計学をやってる人たちはどっちの陣営に付くかなんて興味なくて、両方の手法を組み合わせて使ってるんだよね。 https://simplystatistics.org/posts/2014-10-13-as-an-applied-... (https://simplystatistics.org/posts/2014-10-13-as-an-applied-statistician-i-find-the-frequentists-versus-bayesians-debate-completely-inconsequential/)

大学院時代はかなり頻度主義寄りの環境にいたんだ。ベイズ手法も一応「習った」けど、実際はほとんど使わなかったな。仕事でも、頻度主義的なアプローチで十分に対処できないと感じる問題には個人的に出会ったことがない。もちろん、どんな問題に関わるかによって人それぞれ経験は違うんだろうけどね。正直、ベイズ的なアプローチには結構イライラすることが多くて。というのも、それを使う時って大抵すでにかなり複雑で大規模なケースなんだよね。そういう時はほぼ毎回、ベイズだとうまくいかない。収束しないか、サンプラーが実行に何日もかかるとか言ってくるし。でもリサンプリング手法なら、数時間はかかるかもしれないけどちゃんと動いて、妥当な結果を出してくれるんだ。超複雑な問題でしか試してないから偏った見方なのはわかってるけど、もう試す気も失せちゃったよ。別にベイズ手法自体を否定してるわけじゃない。明らかにうまく機能してるし、使いこなしてる人もたくさんいるからね。ただ、何十年も統計の仕事をしてきてベイズが本当に必要だという場面に出会わなかったから、これ以上深掘りするモチベーションがなくなっちゃったんだ。