蘆田 の履歴(No.62)

• 履歴一覧
• 差分 を表示
• 現在との差分 を表示
• ソース を表示
• 蘆田 へ行く。
  • 1 (2017-03-21 (火) 03:04:51)
  • 2 (2017-03-21 (火) 03:05:22)
  • 3 (2017-04-08 (土) 12:32:23)
  • 4 (2017-04-10 (月) 13:59:17)
  • 5 (2017-04-12 (水) 01:53:42)
  • 6 (2017-04-12 (水) 01:53:42)
  • 7 (2017-04-13 (木) 02:36:45)
  • 8 (2017-04-18 (火) 01:44:16)
  • 9 (2017-04-27 (木) 02:49:56)
  • 10 (2017-04-28 (金) 04:41:41)
  • 11 (2017-05-01 (月) 04:20:16)
  • 12 (2017-05-02 (火) 11:24:27)
  • 13 (2017-05-08 (月) 08:04:52)
  • 14 (2017-05-08 (月) 12:15:26)
  • 15 (2017-05-09 (火) 02:17:44)
  • 16 (2017-05-10 (水) 06:40:40)
  • 17 (2017-05-12 (金) 02:41:16)
  • 18 (2017-05-17 (水) 05:08:54)
  • 19 (2017-05-23 (火) 14:49:06)
  • 20 (2017-05-24 (水) 05:04:26)
  • 21 (2017-05-25 (木) 03:54:25)
  • 22 (2017-05-31 (水) 07:07:07)
  • 23 (2017-06-06 (火) 02:39:00)
  • 24 (2017-06-14 (水) 06:20:31)
  • 25 (2017-06-28 (水) 06:42:02)
  • 26 (2017-07-05 (水) 05:03:22)
  • 27 (2017-07-12 (水) 05:38:32)
  • 28 (2017-07-12 (水) 06:30:49)
  • 29 (2017-07-26 (水) 04:39:07)
  • 30 (2017-08-02 (水) 05:33:46)
  • 31 (2017-08-09 (水) 07:02:35)
  • 32 (2017-08-23 (水) 06:04:50)
  • 33 (2017-08-30 (水) 03:37:16)
  • 34 (2017-09-06 (水) 07:49:57)
  • 35 (2017-09-12 (火) 06:49:17)
  • 36 (2017-09-25 (月) 07:51:33)
  • 37 (2017-09-27 (水) 06:38:29)
  • 38 (2017-10-05 (木) 05:49:22)
  • 39 (2017-10-05 (木) 06:40:19)
  • 40 (2017-10-12 (木) 03:56:44)
  • 41 (2017-10-12 (木) 03:56:44)
  • 42 (2017-10-16 (月) 08:49:26)
  • 43 (2017-10-30 (月) 07:36:12)
  • 44 (2017-10-30 (月) 07:36:12)
  • 45 (2017-10-30 (月) 07:36:12)
  • 46 (2017-11-21 (火) 05:51:39)
  • 47 (2017-11-21 (火) 05:51:39)
  • 48 (2017-11-21 (火) 05:51:39)
  • 49 (2017-11-27 (月) 07:36:38)
  • 50 (2017-12-04 (月) 08:34:41)
  • 51 (2017-12-11 (月) 08:45:40)
  • 52 (2017-12-11 (月) 08:45:40)
  • 53 (2017-12-18 (月) 08:15:12)
  • 54 (2017-12-25 (月) 09:32:03)
  • 55 (2017-12-25 (月) 09:32:03)
  • 56 (2018-01-09 (火) 09:51:35)
  • 57 (2018-01-16 (火) 06:58:44)
  • 58 (2018-01-22 (月) 07:31:44)
  • 59 (2018-01-29 (月) 08:29:30)
  • 60 (2018-02-05 (月) 08:06:06)
  • 61 (2018-02-05 (月) 08:06:06)
  • 62 (2018-04-16 (月) 01:46:03)
  • 63 (2018-04-25 (水) 02:33:24)
  • 64 (2018-05-16 (水) 05:57:04)
  • 65 (2018-05-16 (水) 05:57:04)

---

Schedule†

遅延相関分析†

2018/02/05†

Done†

• 実験結果が出た

Todo†

• 考察，論文

2018/01/29†

Done†

• VARモデルと遅延係数を用いた単回帰モデルの相対平均誤差を計測
  • VARモデル：4.03%
  • 単回帰モデル：4.48%
• 論文執筆

ToDo†

• 残りの関係について
• 論文執筆

Memo†

• 時系列データが悪すぎる(変動がない)
• 変動があるデータを見つけて分析する

2018/01/22†

Done†

• VARモデルと遅延係数を考慮した単回帰モデルのプログラム完成
  • 2000 ~ 2010を学習用，2011~2016をテスト用とした
• 相関係数の絶対値「0.4」以上のメトリクスについてVARと回帰モデルに適用
  • 1件のみだった
  • CountLineが増えると1ヶ月後にAltCountLineCodeが減る

ToDo†

• 残りの関係についても調べる
• 今週中に論文できているところまで見てもらう

2018/01/16†

Done†

• タイトル「時系列モデルと共進化プロセス理解のための遅延相関分析に基づいた回帰モデルの比較」
• 時系列モデルにて，定常なデータかどうか調べる単位根検定の処理を追加
• 相関係数→回帰直線の傾き．切片への変換の仕方を理解
  • メトリクス間で遅延相関分析をした結果，最も高い相関係数の時点での加算係数＝x，遅延係数＝y，差分係数＝zで固定
  • 相関係数から回帰直線を描く　→ 回帰モデル
  • 回帰モデルと時系列モデルで解析
  • 実測値からの誤差比較
• Understand見積もり → Understand資料(Understand_ライセンス&価格_0.pdf)

ToDo†

• 130種類のメトリクスを処理するプログラム作成
• 論文，実験方法

2018/01/09†

Done†

• VARモデルのプログラム
  • 適当な時系列データ(AirPassengers)で予測できた
• 論文の概要部分

ToDo†

• プログラムに入力するデータ形式を調べる
• 説明変数は平均
  • 一ヶ月ごとの平均
• 実験方法を箇条書きで書いて，論文に書いていく

2017/12/25†

Done†

• 山谷さんと連絡を取って行くにつれ，順序が全く違うことがわかった
• Bugzillaのデータをデータベースに格納するところ
• メーリングリストをmbox形式でとる → どこの話だろう...
  • Eclipse News Forum から Eclipse Community Forumsに変わった？
• apacheでやる

ToDo†

• 柏さんにbugzillaのデータ取得・Understandの解析を頼んだ
  • XMLが出力結果として返ってくる
  • XMLを数値化する方法を考える
• 宮崎さんからDB内のメーリングリストを教えてもらう
• 山谷さんから情報収集して実践
• 実験方法を明確にする
• 理論は上西さんの卒論を参考に

2017/12/18†

Done†

• gitから時系列モデルを構築（途中）
• 論文，時系列モデルの説明を書いた
• メトリクスの話
  • Q. 意味のないメトリクスを減らすことはできるのか？
  • A. Eclipseプロジェクト以外なら意味のあるメトリクスになるかもしれない
• ARMAよりもARIMAのほうが予測精度は高め
  • ARIMAは定常化しARMAモデルを適用
    • Q. ARMAでの予測は必要？
    • A1. 遅延相関分析はARMAレベルでした，という結論を書くことも可能
    • A2. 指標がたくさんあると，評価も具体的にできるからやればいい
• VARモデルからのグレンジャー因果性

ToDo†

• 先ほど，山谷さんからフィードバックがきたのでそれを踏まえて修正
• 時系列モデルの続き
• 論文執筆

2017/12/11†

Done†

• プログラム変更，修正
  • 不明点がいくつかあるので，山谷さんにメールを送る
• 時系列分析を使った予測モデル構築についての論文を読んだ
  • 明日輪講

ToDo†

• 引き続きプログラム修正
• 論文執筆
• 今日中に山谷さんにメールを送る

12月第3週†

• プログラムを動かしてデータセットを収集
• 論文第1章：序論 (背景)

12月第4週†

• 論文第1章：序論，第2章：関連研究・理論

1月第2週†

• 論文第3章：目的・アプローチ，第4章：実験方法

1月第3週†

• 論文第5章：実験結果，第6章：考察

1月第4週†

• 論文アブストラクト，まとめ

1月第5週†

• 完成させる

2017/12/04†

Done†

ToDo†

• まずプログラムを書いて実験
  • 2つプログラムがある
• Understandに入力するデータを作る
• 出力データをプログラムに通す
  • 遅延相関のプログラム

2017/11/27†

ToDo†

• 論文書く
• プログラム書く
• FOSEで指摘された部分を考え直す

FOSE2017†

Memo†

• メトリクスの計算量が莫大なので，それを減らせるように考察してみては？
• 時系列モデルと遅延相関分析の比較ポイントがもやもやしてる
  • 出力に関して…時系列モデル→データの値，遅延相関分析→相関係数
• 遅延相関分析で出てくる相関係数が実際のものか擬似相関なのか調べても良いのでは？

2017/11/21†

Done†

• データの作成(gitの読み込みがまだ)
• AICについて勉強

ToDo†

• 引き続きデータ作成
• 卒論書けるところまで

Memo†

• ○ヶ月後に遅延を与えた，というところに留まらずにたまたまなのか，必然なのか，その妥当性を調べる

2017/10/30†

Done†

• 解析の準備
  • 山谷さんプログラムの理解（入出力だけでもわかれば...）
  • Understandインストール

ToDo†

• 手順がわかってないので整理
• データの作成

2017/10/16†

Done†

• グレンジャー因果性と遅延相関分析の話

Memo†

• 遅延相関分析にグレンジャー因果性の必要性を話せれば．．．

ToDo†

• データが定常性なのか調査
• 密度の話を論文で見る

2017/10/12†

Memo†

• 相関分析との評価
• 加算vs差分の現状を変えてみる
• 遅延係数を設定して，グレンジャー因果性を求める，からの相関分析

Done†

• ARモデルのパラメータ(係数)抽出

ToDo†

• 遅延相関分析の定式化
• ARIMA,VARのパラメータ抽出
• 卒論目次

2017/10/05†

Done†

• VARモデル・グレンジャー因果性についての理解
  • データセットを用いてRで分析
    • データの後部をカットして，カットした部分をVARモデルで予測　→　実際のデータとカットしたデータを比較

ToDo†

• VARモデル（単位根検定・共和分）の理解（必要なのか不明）
  • トレンド項，定数項の意味を調べる
• 遅延相関分析の予測方法
• 具体的な比較方法
• 目次設定

Memo†

• 相関係数が違うデータセット10個用意
• 遅延相関分析を用いて，一番高くなった係数のパラメータ（加算・差分・遅延）を抽出
• 時系列モデルでデータセットを評価
• AR,VAR,ARIMA等の3種類×10個の評価
• モデルの係数を比較(y=axとか)

2017/09/27†

Done†

• 自己相関係数は時系列モデルを適用する前の段階で計算
  • 正式には時系列モデルを使わなくても自己相関は求められる
• 適当な定常性のあるデータを使って自己相関係数を求めた

ToDo†

• カメラレディ提出
• 人工データの詳細を決める
• VARモデルの勉強

オープンラボ†

• 蘆田_2017年度オープンラボ用ポスター.pdf

2017/09/12†

Done†

• FOSEライブ論文書いた
• 研究発表の場で意見を頂いた．

ToDo†

• 時系列モデルの自己相関係数をR or Pythonで

Memo†

• 説明変数を時間（1,2,3...），目的変数を何らかのものにすると，一変数の分析が適用可能
• 遅延相関分析>>>相関分析だから，関係は自明
• 「はじめに」と「おわりに」を端的に，他のところを肉付け

2017/09/06†

Done†

• 遅延相関分析と他手法の比較
  • 比較できるポイントを探している最中

ToDo†

• 比較できるポイントの決定
• FOSE論文完成

Memo†

• グレンジャー因果性は目的変数と説明変数の向きを調べる
  • 遅延相関分析を改良する際に必要かも

2017/08/30†

Done†

• 遅延相関分析と他の分析手法の比較

ToDo†

• プログラム読む

2017/08/23†

Done†

• C言語で遅延相関分析を実装(STEP2まで)
• Pythonにプログラム移行中
• 輪講用の論文の理解

ToDo†

• Pythonのプログラム続きの実装
• 遅延相関分析，時系列モデルの特徴なり目的を箇条書き

2017/08/09†

Done†

• Python環境構築
• Rによるデータサイエンスの本で進めている途中

ToDo†

• 引き続き，Python，Rで時系列関係のものを触る

Memo†

• 院での研究では遅延相関分析で変数をたくさん増やしてみよう．
• Pythonは研究中に覚えていくもの

2017/08/02†

Done†

• 和分・差分の理解
• Rを動かそうとした．

ToDo†

• 階差（差分）除去の適切な回数の調べ方

2017/07/26†

Done†

• 因子分析と回帰分析の違い，よくわからなかった
• グレンジャー因果性と因果関係の違い

ToDo†

• 理解したい -> http://www5.cao.go.jp/keizai3/keizaiwp/wp-je93/wp-je93fu-1-12fc-a.html

2017/07/12†

Done†

• 山谷さん研究の調査
  • 重回帰分析，因子分析でもいけそうとの意見が

ToDo†

• 回帰分析と因子分析の違い（明日のデータ解析で理解）
• 輪講用の論文，資料探し
• 最小二乗法の勉強
• 将来的にいろんな分析手法で人工的データを解析する

2017/07/05†

Done†

• VAR,グレンジャー因果性

ToDo†

• 最小二乗法
• 研究の背景

2017/06/28†

Done†

• ARIMAモデル，定常性

ToDo†

• 定常性，VARモデル，パラメータ推定の勉強
• ARIMA，VARの定常性問題

2017/06/14†

Done†

• AR,MA,ARMA,ARIMAモデル
  • 6/15(Thu)輪講予定
  • どんな物かはだいたいわかったが，一部理解がまだまだ(式，反転可能性，etc.)

ToDo†

• MAモデルの反転可能性
• 定常性
• VARモデル，グレンジャー因果性

これまで†

Done†

• OSS開発における共進化プロセスの理解のための遅延相関分析
  • 5/25(Thu)輪講
    • 理解が不完全なので色々な意見を聞いた

ToDo†

• グレンジャー因果性とARモデル
• 論文探す
• Rでグレンジャー因果性について探る．

オフショア開発†

• オフショア開発の目的
  • 開発費の削減
  • 技術者の確保
  • 現地市場の進出

• オフショア開発の問題点について考察
  • コミュニケーション(18%) --- 距離，時差，メール，etc.
  • 仕様伝達・変更 & 意思疎通(13%) --- 知識，プロセス定義，ドキュメント，etc.
  • 海外発注のオーバヘッド(13%)
  • 主に異文化理解，習慣，開発プロセス，品質などが挙げられる．
  • どこのサイトを見ても，コミュニケーション問題が課題として挙げられている．
• オフショア開発における，日本と海外の重視ポイント
  • 日本のオフショア開発の目的はコスト低減　→　コスト重視
  • 海外では納期を重要視　→　タイム重視

• コミュニケーション問題でブリッジSEという存在がある
  • ブリッジSEってなにをやってるの？
  • ブリッジSEには3種類の形態がある．(これについて深く勉強してみたい)
    • 日本企業側がブリッジSEを配置するパターン
    • 委託企業側がブリッジSEを配置するパターン
    • プロジェクトチームから独立しているパターン

• あまり現実的な研究でない．

ToDo†

• GSEの論文をたくさん読む

地理空間情報処理（今のところなし）†

• QGISをインストール
  • QGISを使うのは楽しそう，でもどんな研究ができるのかピンと来ない．

高専時代の論文†

• 高専
  • 卒業論文：01_ashida.pdf
• 学会
  • 蘆田誠人，内田眞司，“レポート評価支援システム構築に向けた文章の特徴量の抽出”, 2015年度JSiSE学生研究発表会演論文集，pp.?? - ??, Mar, 2016.： レポート評価支援システム構築に向けた文章の特徴量の抽出.pdf

Bookmarks†

• 奈良高専
  • 奈良工業高等専門学校　内田研究室
  • 教育システム情報学会　学生研究発表会