ランダムフォレストと因果推論の最前線を学ぶ:決定木からcausal forestsまでの理論と実践

\causal forest の仕組みや、応用をする上で気をつけるべき点について演習を通して解説します/

概要

【受講料金】

一般料金:11,000円

学生料金:5,500円

【本セミナーの学習内容】
  • 決定木を用いた因果推論に関する基礎事項(Causal trees, causal forests)を網羅的に学べます。
  • Causal forestsの理論的な性質や、結果の解釈の方法について1歩踏み込んだ内容を学べます。
  • R-package {grf}を用いて causal forestsを自分で動かすことで挙動について詳しく理解できます。
【セミナー概要】

 統計的因果推論は、医学・疫学、マーケティングなど幅広い分野で注目を集めており、近年様々な書籍が出版されています。とりわけ、条件付き因果効果(特定のサブグループに対する処置効果、例えばある特徴を持つ個人に対する治療効果や広告効果)の推定は、Athey et al, (2019) で提案された causal forestsや、Hill et al,(2011)で提案された Bayesian additive regression trees (BART)を用いた方法、そのほか近年の meta-learnerの発展 に牽引され、高い注目が集まっています。 

 本セミナーでは、ランダムフォレストを用いた異質性のある因果効果の推定手法である causal forest(Athey et al.,2019, 和名:因果フォレスト)を題材として取り上げ、causal forest の仕組みや、応用をする上で気をつけるべき点について丁寧に説明します。ランダムフォレストは分類や回帰に広く利用される機械学習アルゴリズムですが、比較的頑健性が高く、また高次元データの適用が可能である点などで、条件付因果効果の推定との相性が良い手法です。 

 初めに、causal forestを理解する上で必要となる知識である、決定木とランダムフォレストについて説明を行います。これらを踏まえ、causal forest を構成する学習器であるcausal treeを説明します。そして、causal treeのアンサンブル学習器である causal forestについて理論と実践の両面から説明を行います。 

 causal forest はRパッケージ {grf} で実装されている関係で、誰でも手軽に試すことができますが、どのような仕組みで causal forest が条件付き因果効果を推定しているのか、推定した結果をどのように扱えば良いのかについて理解するためには、理論的な側面からの理解が必要です。しかし、ランダムフォレストを支える理論の枠組みについてまとまっている書籍などは少なく、理論的な背景も複雑なため、独習するにはハードルが高いのが現状です。  

本セミナーの特徴は、大きく3つです。 

  • ランダムフォレスト/causal forestの基礎から最新の理論までを(複雑な議論を抜きに)直感的に、網羅して理解できる。 
  • causal forestを使用する利点と、ランダムフォレストに由来する手法としての弱点が理解できる。 
  • Rパッケージ {grf}を用いたcausal forestのシミュレーションを通して、理論とプログラムの出力結果の関係性を理解できる。 

また、本セミナーではcausal forestの応用事例として、擬似的なマーケティングデータ(キャンペーンの効果推定)を取り上げ、causal forestの実務への活かし方を紹介します。もちろん、例としてマーケティングを取り上げますが、医学・疫学への応用においても有用な内容となっております。 

本セミナーを受講し、causal treeやcausal forestをご自身の実務や研究に活かすことを目指す方、ソフトウェアの使い方だけではなくその考え方や基礎理論を学びたい皆様のご参加を心よりお待ちしています。

【このような方におすすめ】
  • 異質性のある因果効果推定に興味があり、ランダムフォレストやcausal forestsの最新技術を学びたい方
  • データサイエンスに興味があり、統計的因果推論の理論と実践を深く学びたい方
  • マーケティングの効果測定に関心があり、統計的因果推論を活用してキャンペーンの効果を正確に評価したい方
  • 医療データを扱っていて、特定の治療法の効果をより正確に推定するための手法を学びたい方
  • Rプログラミングを使って機械学習モデルを実装したいが、その理論的背景も理解しておきたい方

【講師紹介】

中村 知繁(順天堂大学 教授)

所属:順天堂大学健康データサイエンス学部 教授

学位:博士(工学)(慶應義塾大学)

個人HPはこちら

[経歴]

2024年7月 - 現在:順天堂大学, 大学院医学研究科 データサイエンスコース, 助教

2024年4月 - 現在:慶應義塾大学, 理工学部 数理科学科, 訪問助教

2023年4月 - 現在:順天堂大学, 健康データサイエンス学部, 助教

[最近の論文]

Time Series Quantile Regression Using Random Forests

層別化法と共変量釣り合い法による頑健な因果効果の推定

Causal Subclassification Tree Algorithm and Robust Causal Effect Estimation via Subclassification

[主な書籍等出版物]

画像診断2024年7月号Vol.44 No.8:臨床所見から考える婦人科画像診断, 齋田 司, 秀潤社, 2024年6月

ご参加にあたって(必ずご確認ください)

【申込方法】

ご参加を希望される一般の方は、画面上部の「一般申込はこちら」をクリックし、お支払いをお願い申し上げます。

学生の方は、画面上部の「学生申込はこちら」をクリックし、Googleフォームへのご記入をお願い申し上げます。

【申込期限】

本セミナーの申込期限は以下です。期限の延長などは致しかねますので、参加をご希望の方はお早めに申込ください。

  • 一般申込期限:開催日前日 23:59まで
  • 学生申込期限:開催日の3営業日前 23:59まで
【注意事項】

お申し込みを検討される方は、下記について必ずご確認ください。

  • 本セミナーはZoom Webinarsを用いて開催いたします。
  • お申し込み後、弊社より本セミナーへのZoom参加用URLを開催当日に送付いたします。
  • 開催時間になりましたら、送付するURLよりご参加ください。
  • 講義終了後からの受講申込や、講義途中からの申込およびライブ受講の欠席による返金は致しかねますので、予めご了承ください。
  • 本セミナーにお申し込みいただいた方には、本セミナーのアーカイブ動画 / 講義資料 / 演習資料(演習のあるセミナーのみ)3点を配布いたします。
  • お申し込み後、諸事情によりリアルタイムでのご参加が難しくなってしまった方にも、上記3点の資料を配布いたします。
  • アーカイブ配信期間は、セミナー終了より1ヶ月間です。
  • 領収書を希望の方は、当社HPのお問い合わせフォーム経由よりお問い合わせください。
  • 万が一、開催時間になっても事前案内メール(Zoomの参加URLや講義資料など)が届かない場合は、迷惑メールフォルダやゴミ箱に自動的に振り分けられている場合がございます。一度ご確認いただきますようお願い申し上げます。
  • 参加URLはメールにてご案内いたします。no-spare.comドメインより受け取ることができるように設定をお願い申し上げます。
【禁止事項】
  • セミナーの録音や録画撮影などはご遠慮ください。
  • セミナーで配布した一切の資料 / 動画を無断で公開・転載することは固く禁じます。
【免責事項】
  • 本セミナーの内容は、事前の告知なく変更を行う場合があります。
  • 主催者および講演者の諸般の事情や、天災地変その他の不可抗力の事態により、本セミナーの一部あるいは全部を中止させていただく場合があります。
  • 弊社ドメインをブロックしていたことによりメールが受け取れなかったことによる参加の遅れや欠席などの責任は負いかねますので、ご了承ください。

上記が発生する場合は、当社から受講者に対して、本ページやSNS、電子メールなどで事前にお知らせいたします。

ただし、事由によっては事前のお知らせがないことを予めご了承ください。

【個人情報提供に関するご承諾について】

セミナーのお申し込みフォームや支払いフォームにご記入いただく個人情報は、当社のプライバシーポリシーに則り、適切かつ厳格に取り扱います。

ランダムフォレストと因果推論の最前線を学ぶ:決定木からcausal forestsまでの理論と実践

\causal forest の仕組みや、応用をする上で気をつけるべき点について演習を通して解説します/
申込はこちら

概要

【受講料金】

一般料金:11,000円

学生料金:5,500円

【本セミナーの学習内容】
  • 決定木を用いた因果推論に関する基礎事項(Causal trees, causal forests)を網羅的に学べます。
  • Causal forestsの理論的な性質や、結果の解釈の方法について1歩踏み込んだ内容を学べます。
  • R-package {grf}を用いて causal forestsを自分で動かすことで挙動について詳しく理解できます。
【セミナー概要】

 統計的因果推論は、医学・疫学、マーケティングなど幅広い分野で注目を集めており、近年様々な書籍が出版されています。とりわけ、条件付き因果効果(特定のサブグループに対する処置効果、例えばある特徴を持つ個人に対する治療効果や広告効果)の推定は、Athey et al, (2019) で提案された causal forestsや、Hill et al,(2011)で提案された Bayesian additive regression trees (BART)を用いた方法、そのほか近年の meta-learnerの発展 に牽引され、高い注目が集まっています。 

 本セミナーでは、ランダムフォレストを用いた異質性のある因果効果の推定手法である causal forest(Athey et al.,2019, 和名:因果フォレスト)を題材として取り上げ、causal forest の仕組みや、応用をする上で気をつけるべき点について丁寧に説明します。ランダムフォレストは分類や回帰に広く利用される機械学習アルゴリズムですが、比較的頑健性が高く、また高次元データの適用が可能である点などで、条件付因果効果の推定との相性が良い手法です。 

 初めに、causal forestを理解する上で必要となる知識である、決定木とランダムフォレストについて説明を行います。これらを踏まえ、causal forest を構成する学習器であるcausal treeを説明します。そして、causal treeのアンサンブル学習器である causal forestについて理論と実践の両面から説明を行います。 

 causal forest はRパッケージ {grf} で実装されている関係で、誰でも手軽に試すことができますが、どのような仕組みで causal forest が条件付き因果効果を推定しているのか、推定した結果をどのように扱えば良いのかについて理解するためには、理論的な側面からの理解が必要です。しかし、ランダムフォレストを支える理論の枠組みについてまとまっている書籍などは少なく、理論的な背景も複雑なため、独習するにはハードルが高いのが現状です。  

本セミナーの特徴は、大きく3つです。 

  • ランダムフォレスト/causal forestの基礎から最新の理論までを(複雑な議論を抜きに)直感的に、網羅して理解できる。 
  • causal forestを使用する利点と、ランダムフォレストに由来する手法としての弱点が理解できる。 
  • Rパッケージ {grf}を用いたcausal forestのシミュレーションを通して、理論とプログラムの出力結果の関係性を理解できる。 

また、本セミナーではcausal forestの応用事例として、擬似的なマーケティングデータ(キャンペーンの効果推定)を取り上げ、causal forestの実務への活かし方を紹介します。もちろん、例としてマーケティングを取り上げますが、医学・疫学への応用においても有用な内容となっております。 

本セミナーを受講し、causal treeやcausal forestをご自身の実務や研究に活かすことを目指す方、ソフトウェアの使い方だけではなくその考え方や基礎理論を学びたい皆様のご参加を心よりお待ちしています。

【このような方におすすめ】
  • 異質性のある因果効果推定に興味があり、ランダムフォレストやcausal forestsの最新技術を学びたい方
  • データサイエンスに興味があり、統計的因果推論の理論と実践を深く学びたい方
  • マーケティングの効果測定に関心があり、統計的因果推論を活用してキャンペーンの効果を正確に評価したい方
  • 医療データを扱っていて、特定の治療法の効果をより正確に推定するための手法を学びたい方
  • Rプログラミングを使って機械学習モデルを実装したいが、その理論的背景も理解しておきたい方

【講師紹介】

中村 知繁(順天堂大学 教授)

所属:順天堂大学健康データサイエンス学部 教授

学位:博士(工学)(慶應義塾大学)

個人HPはこちら

[経歴]

2024年7月 - 現在:順天堂大学, 大学院医学研究科 データサイエンスコース, 助教

2024年4月 - 現在:慶應義塾大学, 理工学部 数理科学科, 訪問助教

2023年4月 - 現在:順天堂大学, 健康データサイエンス学部, 助教

[最近の論文]

Time Series Quantile Regression Using Random Forests

層別化法と共変量釣り合い法による頑健な因果効果の推定

Causal Subclassification Tree Algorithm and Robust Causal Effect Estimation via Subclassification

[主な書籍等出版物]

画像診断2024年7月号Vol.44 No.8:臨床所見から考える婦人科画像診断, 齋田 司, 秀潤社, 2024年6月

ご参加にあたって(必ずご確認ください)

【申込方法】

ご参加を希望される一般の方は、画面上部の「一般申込はこちら」をクリックし、お支払いをお願い申し上げます。

学生の方は、画面上部の「学生申込はこちら」をクリックし、Googleフォームへのご記入をお願い申し上げます。

【申込期限】

本セミナーの申込期限は以下です。期限の延長などは致しかねますので、参加をご希望の方はお早めに申込ください。

  • 一般申込期限:開催日前日 23:59まで
  • 学生申込期限:開催日の3営業日前 23:59まで
【注意事項】

お申し込みを検討される方は、下記について必ずご確認ください。

  • 本セミナーはZoom Webinarsを用いて開催いたします。
  • お申し込み後、弊社より本セミナーへのZoom参加用URLを開催当日に送付いたします。
  • 開催時間になりましたら、送付するURLよりご参加ください。
  • 講義終了後からの受講申込や、講義途中からの申込およびライブ受講の欠席による返金は致しかねますので、予めご了承ください。
  • 本セミナーにお申し込みいただいた方には、本セミナーのアーカイブ動画 / 講義資料 / 演習資料(演習のあるセミナーのみ)3点を配布いたします。
  • お申し込み後、諸事情によりリアルタイムでのご参加が難しくなってしまった方にも、上記3点の資料を配布いたします。
  • アーカイブ配信期間は、セミナー終了より1ヶ月間です。
  • 領収書を希望の方は、当社HPのお問い合わせフォーム経由よりお問い合わせください。
  • 万が一、開催時間になっても事前案内メール(Zoomの参加URLや講義資料など)が届かない場合は、迷惑メールフォルダやゴミ箱に自動的に振り分けられている場合がございます。一度ご確認いただきますようお願い申し上げます。
  • 参加URLはメールにてご案内いたします。no-spare.comドメインより受け取ることができるように設定をお願い申し上げます。
【禁止事項】
  • セミナーの録音や録画撮影などはご遠慮ください。
  • セミナーで配布した一切の資料 / 動画を無断で公開・転載することは固く禁じます。
【免責事項】
  • 本セミナーの内容は、事前の告知なく変更を行う場合があります。
  • 主催者および講演者の諸般の事情や、天災地変その他の不可抗力の事態により、本セミナーの一部あるいは全部を中止させていただく場合があります。
  • 弊社ドメインをブロックしていたことによりメールが受け取れなかったことによる参加の遅れや欠席などの責任は負いかねますので、ご了承ください。

上記が発生する場合は、当社から受講者に対して、本ページやSNS、電子メールなどで事前にお知らせいたします。

ただし、事由によっては事前のお知らせがないことを予めご了承ください。

【個人情報提供に関するご承諾について】

セミナーのお申し込みフォームや支払いフォームにご記入いただく個人情報は、当社のプライバシーポリシーに則り、適切かつ厳格に取り扱います。