THE ZAKKI

ザッキ

Gretlを使ってSplatoon2の勝率に関してLogistic回帰をした

内容:表題の通り

最近使い始めたikaWidget2がCSV形式でデータを出力できたので,こないだの講義で手に入れた統計解析ソフトウェアGretlを使って,勝率について考えてみた。

同ソフトは計量経済学向きに作られてるから,回帰分析に強い(らしい)。

(Gretl -> http://gretl.sourceforge.net/)

 

サンプルサイズ:225

期間:2018/8/21 - 2018/9/11

リソース:自分のSplatoon2の戦績・ikaWidget

 

自チームの行動が勝率にどうかかわるか知りたかったので,自チームのキル数,デス数,スペシャル使用数,アシストキル数,キル/デス比の平均を説明変数にした。被説明変数の勝率は勝ったか負けたかの二値データなので,ロジスティック回帰モデルを使用することにした。各独立変数の正規性は満たされていた。

 

※ロジスティック回帰:説明変数がある値だった時に,2値(例えば1/0)データが一方の値を取る確率の対数オッズを被説明変数にした回帰分析。正直よくわかっていない。

 

結果

モデル 4: ロジスティック回帰, 観測: 1-225 (n = 208)
除去した観測数(欠損値や不完備な観測): 17
従属変数: win2
yhat = 100 / (1 + exp(-X*b))

係数 標準誤差 t値 p値
------------------------------------------------------
const −4.24739 0.0482062 −88.11 6.56e-165 ***
avekill 0.114257 0.0101446 11.26 3.23e-023 ***
aveDeath −0.100471 0.00994585 −10.10 9.93e-020 ***

変換されたデータに基づく統計量:

Sum squared resid 14.34525 S.E. of regression 0.264531
R-squared 0.405088 Adjusted R-squared 0.399284
F(2, 205) 69.79435 P-value(F) 7.61e-24
Log-likelihood −17.03082 Akaike criterion 40.06164
Schwarz criterion 50.07425 Hannan-Quinn 44.11023

もとのデータに基づく統計量:

Mean dependent var 1.622222 S.D. dependent var 0.485913
Sum squared resid 32.18289 S.E. of regression 0.396219

変数の追加についての検定 -
帰無仮説: この変数のパラメータはゼロである
aveSpecial
検定統計量: F(1, 204) = 3.45661
なお、p値(p-value) = P(F(1, 204) > 3.45661) = 0.0644393

変数の追加についての検定 -
帰無仮説: この変数のパラメータはゼロである
aveAssist
検定統計量: F(1, 204) = 0.85864
なお、p値(p-value) = P(F(1, 204) > 0.85864) = 0.355215

変数の追加についての検定 -
帰無仮説: この変数のパラメータはゼロである
aveRatio
検定統計量: F(1, 204) = 2.96826
なお、p値(p-value) = P(F(1, 204) > 2.96826) = 0.0864287

 

とりあえず色々突っ込んでみたが,まあモノを言うのはキル数とデス数みたいだった。

スぺとキルレとアシストは突っ込む順番色々変えても,キル数とデス数の2変数モデルに追加した所で係数が0だった。スぺはともかく,キルレとアシストはキル数とデス数に相関してるはずなので自明だったか。スぺに関しては有意の等落線にいた。一応(キル数,デス数,スぺ数)から勝ち負けを説明するモデルも立ててみたが,説明率の変化が1%未満なので要らないと判断した。

 

上の結果だけ見とくと,勝率の40%くらい(Adjusted R squared = 分散説明率)が自チームのキルとデスによって説明できるらしい。味方toonと罵れるのは4割くらいということだ。残り6割については,今回突っ込まなかった変数や,交互作用,ブキやルールなどの質的変数に拠る変動で構成されてるんだと思う。ただ,10割説明するモデル探すのは辛いし,多岐に渡りすぎてるからナンセンスだと思う。

 

↓スぺ数も追加した場合。Adjusted R Squaredが0.01くらいしか変わってない。赤池情報量もちょっとしか変わってない。

 

モデル 8: ロジスティック回帰, 観測: 1-225 (n = 208)
除去した観測数(欠損値や不完備な観測): 17
従属変数: win2
yhat = 100 / (1 + exp(-X*b))

係数 標準誤差 t値 p値
----------------------------------------------------------
const −4.21921 0.0502601 −83.95 3.74e-160 ***
avekill 0.123723 0.0112967 10.95 2.97e-022 ***
aveDeath −0.0984500 0.00994636 −9.898 4.10e-019 ***
aveSpecial −0.0349549 0.0188011 −1.859 0.0644 *

変換されたデータに基づく統計量:

Sum squared resid 14.10623 S.E. of regression 0.262960
R-squared 0.415000 Adjusted R-squared 0.406397
F(3, 204) 48.23936 P-value(F) 1.32e-23
Log-likelihood −15.28339 Akaike criterion 38.56677
Schwarz criterion 51.91693 Hannan-Quinn 43.96489

 教訓:

今回の分析で言える教訓を考えてみたが,よく浮かばない。何しろ4割と言うとまあまあ大きいけど過半数ではないという微妙な値だから。まあ自チームの行動によって4割くらいは変わるかもね。くらいに収めとくのが丸いかもしれない。

むしろ説明できてない残り6割の方が考えようがあると思う。上にも書いたが,この6割は多分ブキ同士,ブキとルール,ブキとギアなどの相性みたいなめんどくさい要因で成り立ってはいるものの,「試合に潜ってボコされる/ボコる以前の自助努力・考えようによって改善できる」ということを示唆している(かも)。つまりブキやステージについてよく学べば,この6割の内5割(全体の3割)くらいは操作できるかもしれないのだ。試合での打ち合い技術も大事だが,メタを張ることもかなり大事,ということだ。

 

課題

・モデルの選定が合ってるかわからない

・データ数225は少ないかもしれない

・今回は交互作用は見てない(キルとデスだからそんなにないとは思うけど...)

・統計ソフト自体あまりわかってない

 

またデータがたまったらやりたい。

※この内容は僕のデータしか使ってないので,僕か僕に極めてプロフィールの似ているプレイヤーのためにしかならない

Gretl,ikaWidget2の著作権は各々の製作者に属します。

見たい夢を見る方法について

これ確か昔別のブログにも書いた気がするけど思い出したからメモ程度にまとめる

 

まず今回言ってんのは睡眠中に見てる夢について。

 

基本この夢というのは起きてる時に受け取ったゴミ記憶の忘却のための作業。

ゴミ記憶と忘却について定義する必要がある。

 

ゴミ記憶というのは,次の日になるまで覚えておく必要がないが文脈と意味を持つ記憶のこと。そんな記憶そもそも作んないだろ,と思われるかもしれんが,実際人間の脳は起きてる時の情報全てに記憶処理をかけてるから,ゴミ記憶は存在している。よくフロイトが引かれて「夢は抑圧の回帰だ」みたいなこと言われているけど,抑圧というのは多分誤訳で,実際は(必要な記憶カテゴリからの)排除の方がニュアンスとして正しいだろう。

 

忘却というのは,記憶が思い出せなくなることだが,記憶は消えている訳ではない。組み合わせの再構成という記憶の本質において,再構成プロセスが開始されなくなることが忘却だ。

 

夢は,ゴミ記憶の視覚的な処理作業だ。つまり我々が良い夢見た~なんて言う時は,前日知覚した「良いもの」に関する情報がゴミ記憶に入ってたと言うことだ。

 

これを逆手にとれば,ターゲットがゴミ記憶に入るような生活を心がければ,見たい夢を見れる確率が高くなるということになる。どうすればいいかは正直人によると思うが,僕みたいな学生なら,授業をイッショウケンメイ聴いて,休み時間にだけターゲットに関する本でも読んでればいいんだと思う。

 

また,夢分析も捗るだろう。夢分析については気が向いたら書くが,夢に現れたものは先日自分が認識したのに無視したモノという最低限の意味が解る。

 

とにかく,

 

ゴミ記憶=夢によって忘れられる予定の事物に関する記憶

夢=ゴミ記憶を再生して忘却処理を掛ける作業

よって 【見たいもの】を前日に【ちょっと見る】のが見たい夢を見る方法

 

だ。

 

「本当に好きなことを見つける方法」?

 

「本当に好きなことを見つける方法」?

 

 

ムリムリ!好きなことなんて見つけるて能動態の目的語にはならないよ。

好きなものなんてのは他者が与えてくるもんだ,,それこそ天賦の好というべきか。。

他人に承認されないといつまでたっても「下手の横好き」意識に苛まれてスキじゃあなくなるね。それか身を滅ぼしてから嫌いになるか。いずれにせよ失敗するさ。

だが。好きなモノがない が悩みになってるそこのキミ________

引きこもりか,人と会っても機械的に会話を処理してるだけだろう。

与えてくれる他者が周りに居ますか?

 

正直「趣味探し」「好きなモノ探し」なんてメタな領域に着いちまったら,もうベタに生きることに関しては諦めたほうが良いと思うね。そんな都合よくベタに戻るなんてできないから。結婚は人生の墓場なんて言葉も,結局結婚してから夫婦関係メタ視を始めるからそうなるんだろう?キミたちは何と変態的なことか,墓場から出発してるんだ。

 

そんなキミたちにお勧めしたいのは墓場趣味だ。。。

定義は考えてないけど,かなり冷めたことに熱をあげるってことだよ。

墓場の住人は墓場で過ごすのが一番楽なはずさ。。。

「何もしたくない」タイプの人

久々になんか投稿してみようとしている。「ちゃんと~する」という表現は僕には禁句なのであまり使いたくない(ちゃんと大学へ行く みたいな)。まあ別にこれといって情熱的に表現したいものがあるわけでもないし,ただ書いている。

 

毎日のように気になっていることがある。なんで多くの人はなんかしたい(往々にしてそれは自己表現)なんて思えるのかということ。これは虚無~とかニヒリズム~とかそういうことを言いたいんじゃなくて,単に僕が基本何をするにも億劫な人間だからちょっと気になってるだけでして......

 

この話はまあ言い換えるとしたら,なんで多くの人は欲望を持ってるのかってことかもしれない。その後について精神分析だとか哲学とかで厳密に考えるつもりはない。短くまとまって使いやすいから言い換えただけだ。欲望持ってる人をDisるつもりも勿論ない。この世を生きるのにベタにガチにやってられるならそれが多分幸せだろうからそれでいいと思う。

 

趣味・生きがい・仕事,何でもいいけど人生が楽しそうな人はそういうモノを持ってる。僕は持ってないが人生が苦痛なわけではない(めんどくさくはある)。人間は時間的展望が出来るから自然にそういうのを求める?まあそんな説明はあまり根本的ではないだろう。

 

本当にわからん。正直この記事を書いてるのも億劫になってきた。しかし,多分僕みたいな感じの,何をするにも億劫なのがデフォで,特に好きなものがあるわけでもない人間はごまんといるから,そういった層からの天文学的確率で返ってくる反応を期待して書いてるだけなんでして......欲望持ちにもいるんじゃないかね。正直好きなものないけど無理して欲望持ってる人。

 

あーでも,嫌いなものはあるから,完全に人生放置という訳でもないかもしれない。僕は親交のないデブが嫌いだから。

 

考えを改めて,人生のプラス要素に興味が出ないみたいな状態として受け取っとこう。

ブログ記事ってあんま長いと読みにくいからこの記事はここで切る。スナックみたいに摘まみ読み出来ることが大事です。どうせインターネットのものだから

ノートまとめ:行動分析

 タスクを片すのに必要な時間を浪費する理由にも様々なものがあるが,中でもそれは目的と異なる行動を遂行することによるところが大きい。

 行動とは何か。行動を研究対象とした心理学である行動分析においては,概ね行動とは「死人にはできないこと」と定義され,主体の身体を含む環境が,主体の変化により変化する一連のプロセスとして捉えられる。行動による変化を行動の「随伴性」と呼ぶ。

続きを読む

ランダム文字列/文字種リスト

import random,string
alp = list(string.ascii_uppercase) #アルファベットリスト

''.join(random .choices(alp, k=6))

random と string モジュールを使う。

アルファベットのリストを作成し,そこから適当に6つ選んで無作為文字列を作る。

チョー便利!